1 predict()方法

當使用predict()方法進行預測時，返回值是數值，表示樣本屬於每一個類別的概率，我們可以使用numpy.argmax()方法找到樣本以最大概率所屬的類別作為樣本的預測標籤。

2 predict_classes()方法

當使用predict_classes()方法進行預測時，返回的是類別的索引，即該樣本所屬的類別標籤。以卷積神經網路中的圖片分類為例說明，程式碼如下：

補充知識：keras中model.evaluate、model.predict和model.predict_classes的區別

1、model.evaluate 用於評估您訓練的模型。它的輸出是model的acc和loss，而不是對輸入資料的預測。

2、model.predict 實際預測，輸入為test sample，輸出為label。

3、在keras中有兩個預測函式model.predict_classes(test) 和model.predict(test)。如果標籤經過了one-hot編碼，如[1,2,3,4,5]是標籤類別，經編碼後為[1 0 0 0 0],[0 1 0 0 0]…[0 0 0 0 1]。

model.predict_classes(test)預測的是類別，打印出來的值就是類別號。並且只能用於序列模型來預測，不能用於函式式模型。

而model.predict(test)輸出的還是5個編碼值，要經過argmax(predict_test,axis=1)轉化為類別號。

以上這篇對Keras中predict()方法和predict_classes()方法的區別說明就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。