如何用Keras的model.predict()获取CNN二分类模型的概率分数？

嘿，这问题我之前也碰到过！咱们一步步来排查解决：

核心原因分析 #

你的模型最后一层用了sigmoid激活，理论上应该输出0到1之间的概率值，现在只出0或1，大概率是输入预处理环节出了问题，或者是调用predict时的输入格式不对。

具体解决方案 #

• 检查图像预处理步骤
  确保你没有把输入图像错误地二值化（比如用了阈值截断操作），而且要把像素值归一化到0-1的浮点范围。比如：

  # 正确的预处理示例
  from PIL import Image
  import numpy as np
  
  img = Image.open("test_image.jpg").resize((1500, 1500))
  img_array = np.array(img).astype('float32') / 255.0  # 转为浮点并归一化
  

• 保证输入的维度正确
  model.predict()要求输入是批量数据，也就是形状为(batch_size, height, width, channels)。如果是单张图像，必须手动添加batch维度：

  img_array = np.expand_dims(img_array, axis=0)  # 从(1500,1500,3)变成(1,1500,1500,3)
  

• 执行预测并获取概率
  现在调用predict就能得到连续的概率值了：

  pred_prob = model.predict(img_array)[0][0]
  print(f"分类概率: {pred_prob}")  # 输出类似0.656这样的数值
  

额外排查点 #

如果还是不行，检查下训练时的设置：

• 确认训练用的损失函数是binary_crossentropy（二分类任务的正确选择）
• 模型保存和加载过程中有没有丢失层的设置（比如用model.save()和load_model()而不是手动重建）

内容的提问来源于stack exchange，提问作者Wasswa Samuel