TensorFlow图像分类教程适配：非X_test/y_test格式下搭建混淆矩阵

你参考的官方教程使用tf.data.Dataset批次格式存储验证集（通常命名为val_ds，对应传统方案的测试集分组），不需要手动拆分出X_test/y_test，直接按以下方法实现即可：

实现代码 #

import numpy as np
from sklearn.metrics import classification_report, confusion_matrix

# 方式1：逐批次遍历提取（逻辑直观，适合小数据集）
y_true = []
y_pred = []

for images, labels in val_ds:
    batch_pred = np.argmax(model.predict(images, verbose=0), axis=1)
    y_true.extend(labels.numpy())
    y_pred.extend(batch_pred)

# 方式2：批量处理（效率更高，适合大数据集，可替换上面的遍历逻辑）
# y_pred = np.argmax(model.predict(val_ds, verbose=0), axis=1)
# y_true = np.concatenate([labels.numpy() for _, labels in val_ds])

# 输出混淆矩阵和分类报告
print('Confusion Matrix')
print(confusion_matrix(y_true, y_pred))
print('Classification Report')
print(classification_report(y_true, y_pred))

注意事项 #

• 代码中的val_ds就是教程中用image_dataset_from_directory接口加载得到的验证集对象，不需要额外修改格式
• sklearn评估接口第一个参数为真实标签，第二个为预测标签，不要写反避免结果错误
• 即使验证集开启了shuffle、prefetch等性能优化配置，也不会影响标签和样本的对应关系

内容的提问来源于stack exchange，提问作者NewtoNN