如何将flow_from_directory构建的Keras模型预测结果与测试Image_ID对应

顺序一致性说明 #

你得到的预测输出顺序和test.csv里的Image_ID顺序不一致。flow_from_directory加载测试集时，样本顺序是按照文件系统返回的文件名升序排列，和test.csv的行排序没有关联。

对应方法 #

Keras的DirectoryIterator生成器自带filenames属性，存储的就是生成器样本顺序对应的完整文件名，你可以通过这个属性做匹配：

1. 先把预测结果压平为一维数组：

# 注意你提到的(1,m)形状大概率是维度顺序问题，正常predict_generator返回的是(m,1)结构
preds = model.predict_generator(test_it).flatten()

2. 从测试生成器提取Image_ID：

import pandas as pd
# 提取文件名并去掉.tif后缀，得到和csv匹配的Image_ID
test_generator_ids = [filename.split('.')[0] for filename in test_it.filenames]

3. 匹配test.csv的顺序：

# 读取原始test.csv
test_df = pd.read_csv("test.csv")
# 生成预测结果表
pred_df = pd.DataFrame({
    "Image_ID": test_generator_ids,
    "pred_score": preds
})
# 按Image_ID字段合并，得到和原始test.csv顺序完全一致的结果
result_df = pd.merge(test_df, pred_df, on="Image_ID", how="left")
# 如果需要输出二分类标签，加阈值判断即可，示例阈值为0.5
result_df["Target"] = (result_df["pred_score"] >= 0.5).astype(int)

注意事项 #

你当前的测试生成器设置了class_mode=None，这种情况下flow_from_directory默认shuffle=False，配合你设置的固定seed，生成器的样本顺序和filenames属性的顺序完全一致，不会出现乱序。如果要更稳妥，你可以在构建test_it时显式加上shuffle=False参数。

内容的提问来源于stack exchange，提问作者Darkstar Dream