绘制模型多标签分类的所有预测

Question

我想绘制我正在尝试训练的模型的输入和输出：

输入数据形状：

processed_data.shape

(100, 64, 256, 2)

它看起来如何：

processed_data

array([[[[ 1.93965047e+04,  8.49532852e-01],

         [ 1.93965047e+04,  8.49463479e-01],

输出数据形状：

output.shape

(100, 6)

输出基本上是每个标签的概率

output = model.predict(processed_data)

output

array([[0.53827614, 0.64929205, 0.48180097, 0.50065327, 0.43016508,

        0.50453395]

我想以某种方式为处理数据中的每个实例绘制类的预测概率（因为这是多标签分类问题），但我正在努力这样做。那么我该如何绘制处理后的数据，但不确定如何绘制每个输入实例的概率。我希望能够在每个输出上标记所有6个可能的类。我有点迷茫...有什么建议吗？

到目前为止，我只绘制输入：形状=输出。

for i in range(it):

    fig,axs = plt.subplots(5,2,figsize=(10,10))

    if isinstance(data,list): 

        inp = data[i]

        outp = output[i]

    else: 

        inp = data

        outp = output

    for j in range(5):

        r = randint(0,shape)

        axs[j,0].imshow(inp[r,...,0]); 

        axs[j,0].title.set_text('Input {}'.format(r))

Answer 1

我现在编辑了我的回答，以便更好地理解这个问题。此代码将绘制图像以及输出。import matplotlib.image as mpimgimport numpy as npimport matplotlib.pyplot as pltimg_paths = ['../python/imgs/Image001.png',             '../python/imgs/Image002.png',             '../python/imgs/Image003.png',             '../python/imgs/Image004.png',             '../python/imgs/Image005.png']input  = np.array([mpimg.imread(path) for path in img_paths])output = np.random.rand(5, 6)print(input.shape, output.shape)fig, axs = plt.subplots(2, 5, figsize=(8, 4), sharey = 'row')for i, sample in enumerate(range(5)):    o = output[sample]    axs[0,i].set_title(f'Sample {sample + 1}')    axs[0,i].imshow(input[i,:])    axs[0,i].axis('off')    axs[1,i].bar(range(6), o)    axs[1,i].set_xticks(range(6))    axs[1,i].set_xticklabels([f'{i+1}' for i in range(6)])plt.show()输出：(5, 1510, 2560, 4) (5, 6)