ImageDataGenerator的.classes是否有序？如何获取预测对应真实标签？

• 核心问题：你混淆了ImageDataGenerator生成器的两个属性：

  • classes：返回的是所有类别的名称列表，并非对应每个测试样本的标签
  • labels：返回的是每个测试样本对应的真实标签数组，顺序和model.predict()输出的y_pred完全匹配

• 正确操作步骤：

  1. 创建测试数据生成器时，必须设置shuffle=False，保证样本顺序不打乱：

     test_datagen = ImageDataGenerator(rescale=1./255)
     test_generator = test_datagen.flow_from_directory(
         '测试数据集路径',
         target_size=(你的图片高度, 你的图片宽度),
         batch_size=你的批次大小,
         class_mode='categorical',  # 若模型输出为稀疏标签则用'sparse'
         shuffle=False  # 这步是关键，否则标签和预测结果顺序会错位
     )
     

  2. 获取真实标签数组：

     y_true = test_generator.labels
     

  3. 处理预测结果并生成混淆矩阵：

     import numpy as np
     from sklearn.metrics import confusion_matrix
     
     # 获取预测结果，若模型是categorical输出，转成类别索引
     y_pred = model.predict(test_generator)
     y_pred = np.argmax(y_pred, axis=1)
     
     # 生成混淆矩阵
     cm = confusion_matrix(y_true, y_pred)
     

• 验证方法：
  打印len(y_true)和len(y_pred)，两者长度必须相等；同时混淆矩阵的对角线占比应和模型准确率（95%）基本一致，说明标签和预测结果已正确对应。

内容的提问来源于stack exchange，提问作者Jordan Jackson