TensorFlow 1.6中如何通过estimator.predict()获取MNIST测试集预测结果

别担心，这事儿其实很简单！你已经训练好模型了，只要几步就能把测试集的预测结果打印出来，甚至还能对比真实标签看看哪里预测错了。我给你一步步演示：

1. 生成预测结果 #

首先用训练好的模型对测试集做预测，得到每个样本对应10个数字类别（0-9）的概率值：

import numpy as np

# 假设你已经有训练好的model，以及测试数据x_test、y_test
predictions = model.predict(x_test)

这里的predictions是一个形状为(测试样本数, 10)的数组，每一行代表一个样本在10个类别上的概率。

2. 转换为具体的类别标签 #

接下来把概率值转换成对应的数字标签（取概率最大的那个类别）：

# 获取每个样本的预测标签
predicted_labels = np.argmax(predictions, axis=1)

# 处理真实标签：如果你的y_test是独热编码（比如用to_categorical转换过），也要转成数字标签
# 如果y_test本来就是0-9的数字（比如直接从mnist.load_data()得到的），就跳过这行
true_labels = np.argmax(y_test, axis=1) if y_test.ndim == 2 else y_test

3. 打印预测结果 #

现在就可以自由打印你想要的结果了，比如先看前10个样本的对比：

print("前10个测试样本的预测结果：")
for idx in range(10):
    print(f"样本{idx+1}: 真实标签={true_labels[idx]}, 预测标签={predicted_labels[idx]}, 最高预测概率={np.max(predictions[idx]):.4f}")

要是想看看某个样本的完整概率分布，直接打印predictions[idx]就行：

# 比如查看第3个样本的所有类别概率
print(f"第3个样本的类别概率分布：{predictions[2]}")

4. 进阶：找出预测错误的样本 #

如果你想排查模型哪里出错了，可以筛选出预测错误的样本：

# 找出所有预测错误的样本索引
wrong_pred_indices = np.where(predicted_labels != true_labels)[0]
print(f"\n测试集里一共有{len(wrong_pred_indices)}个预测错误的样本")

# 打印前5个错误样本
print("前5个错误样本的真实vs预测：")
for idx in wrong_pred_indices[:5]:
    print(f"样本{idx}: 真实={true_labels[idx]}, 预测={predicted_labels[idx]}")

这样你就能清楚看到模型的预测细节啦，不用只盯着准确率看~

内容的提问来源于stack exchange，提问作者Zaher88abd