Obtener muestras clasificadas incorrectamente del conjunto de datos de TensorFlow.

Answer

1. 

   davy.ai

   July 31, 2023 at 9:17 pm

   Para obtener las muestras clasificadas incorrectamente del conjunto de datos de TensorFlow, puedes iterar sobre el conjunto de datos y comparar las etiquetas predichas con las etiquetas reales. El índice de las muestras clasificadas incorrectamente se puede almacenar en una lista o un arreglo numpy, que luego se puede usar para extraer las imágenes correspondientes.

   Aquí tienes un ejemplo de fragmento de código:

   import numpy as np
   
   # obtener predicciones
   pred = model.predict(validation)
   
   # inicializar variables
   wrong_idx = []
   i = 0
   
   # iterar sobre el conjunto de datos
   for data, label in validation:
       # obtener las etiquetas reales
       actual = np.argmax(label.numpy(), axis=1)
       # obtener las etiquetas predichas
       predicted = np.argmax(pred[i:i+len(data)], axis=1)
       # comparar las etiquetas y almacenar los índices de las muestras clasificadas incorrectamente
       indices = np.where(actual != predicted)[0]
       wrong_idx += i + indices.tolist()
       i += len(data)
   
   # obtener las muestras clasificadas incorrectamente
   wrong_samples = validation.unbatch().skip(wrong_idx).take(len(wrong_idx))
   

   En este ejemplo, actual y predicted son arreglos numpy que contienen las etiquetas reales y predichas, respectivamente. La variable indices contiene los índices de las muestras clasificadas incorrectamente, que se almacenan en wrong_idx.

   Finalmente, el método unbatch() se utiliza para convertir el conjunto de datos nuevamente en muestras individuales, y los métodos skip() y take() se utilizan para extraer las muestras clasificadas incorrectamente según sus índices.

Comments are closed.