120类犬种分类CNN预测结果验证与数组索引对应犬名错误排查

推理代码存在两处核心错误，是预测出错的直接原因 #

• 索引提取逻辑错误：softmax层输出的是120个类别的概率值，并非硬编码的0/1。原代码用np.where(prediction == 1)匹配值为1的位置，无法得到正确的类别索引。正确写法为res = np.argmax(prediction)。
• 预处理不一致：训练时对输入做了X = X / 255的归一化，将像素值从0-255缩放到0-1区间，但推理时的prepare函数返回的是原始像素值，未做归一化处理，输入分布与训练时差异过大，导致预测失准。需在prepare函数的返回语句前添加new_array = new_array / 255。

其他冗余/待确认问题 #

• 推理代码中遍历CATEGORIES给class_num赋值的循环无实际作用，属于冗余代码。
• 输出犬名时使用breed[10:]截取前缀的逻辑，依赖数据集文件夹命名为编号-犬名的格式，需确保所有犬类文件夹命名规则统一。
• 预处理代码中使用了to_categorical方法，但未在导入部分引入该方法，脱离原有运行环境直接执行会报错，需补充from tensorflow.keras.utils import to_categorical到导入列表。

验证流程 #

修复上述两个核心错误后，先取训练集内的图片做推理测试，若能输出正确犬名，再用外部验证集测试。若训练集图片预测仍出错，再排查模型过拟合、训练数据标注错误等问题。

内容的提问来源于stack exchange，提问作者Doctor Garbage