如何在ResNet50模型中输出图像类别名称而非数组形式？

• 先定义类别名称映射列表，必须和训练时的类别标签顺序完全一致：

  class_names = ["airplane", "car", "motorcycle"]
  

  注：你示例里的输出是5维数组，但实际是3类分类任务，推测是示例笔误，调整列表长度对应你的实际类别数即可。

• 处理模型输出得到类别名称：
  模型输出的是one-hot编码张量，先通过tf.argmax()获取概率最高的类别索引，再用索引从映射列表中取出对应名称：

  # model_output是模型的预测输出张量
  predicted_idx = tf.argmax(model_output, axis=1).numpy()[0]
  predicted_class = class_names[predicted_idx]
  print(predicted_class)  # 输出示例："airplane"
  

• 如果想让模型直接输出类别名称（无需额外后处理），可以给原模型添加一个Lambda层，整合索引映射逻辑：

  import tensorflow as tf
  from tensorflow.keras.layers import Lambda
  
  # 定义类别映射函数
  def idx_to_class(x):
      class_names = tf.constant(["airplane", "car", "motorcycle"])
      return tf.gather(class_names, tf.argmax(x, axis=1))
  
  # 构建带类别名称输出的新模型
  named_output_model = tf.keras.Model(
      inputs=model.input,
      outputs=Lambda(idx_to_class)(model.output)
  )
  
  # 预测时直接得到类别名称
  prediction = named_output_model.predict(processed_image)
  # 若输出是字节形式，可转成字符串
  print(prediction[0].decode())  # 输出："airplane"
  

内容的提问来源于stack exchange，提问作者ZHLN