我使用Keras训练了一个CNN模型，训练数据是文件夹中的图像（两种类型的蜜蜂）。我还有另一个文件夹，里面有未标记的bees图像用于预测。

我能够预测单张图像（如下代码所示）。

from keras.preprocessing import imagetest_image = image.load_img('data/test/20300.jpg')test_image = image.img_to_array(test_image)test_image = np.expand_dims(test_image, axis = 0)prob = classifier.predict_proba(test_image)

结果：

probOut[214]: array([[1., 0.]], dtype=float32)

我希望能够预测所有图像（大约300张）。

有没有办法批量加载并预测所有图像？predict()是否能够处理这种情况，因为它期望一个数组进行预测？

回答：

Model.predict_proba()（实际上是predict()的同义词）接受批量输入。根据文档：

为输入样本生成类概率预测。输入样本按批次处理。

你只需加载多个图像并将它们组合成一个numpy数组。通过扩展第0维，你的代码已经在test_image中使用了一个批次。要完成这个操作，还有一个Model.predict_on_batch()方法。

要加载一批测试图像，你可以使用image.list_pictures或ImageDataGenerator.flow_from_directory()（它与Model.predict_generator()方法兼容，参见文档中的示例）。