TensorFlow分类类别数量限制及6类图像分类显示异常咨询

这问题我之前碰到过好几次，大概率是这几个点没注意到，给你一步步排查解决：

1. 先检查label_image的默认显示限制（最常见的坑） #

默认的label_image.py脚本只会输出置信度最高的前5个预测结果，不是模型只能识别5类！你只要在运行脚本时手动指定显示全部6个类别就行：

python label_image.py --num_top_predictions 6 --image=你的测试图片路径 --graph=retrain生成的模型路径 --labels=retrain生成的labels.txt路径

Windows环境下把路径换成你本地的实际路径即可，比如--image=tf_files/pressure_ulcers/Deep_Tissue/test.jpg这种。

2. 确认retrain生成的labels.txt包含全部6类 #

找到retrain脚本生成的labels.txt文件（如果没指定--output_labels参数，默认在训练输出的目录里，比如tf_files/training_summaries下的子目录），打开数一下行数是不是6行，对应你的6个类别：Deep_Tissue、Stage_1、Stage_2、Stage_3、Stage_4、Unstageable。

• 如果这里只有5行，说明retrain时跳过了一个类别，大概率是这个类别的图片数量低于retrain的默认阈值（默认每个类别至少10张图）。你可以检查对应类别的图片数量，或者在retrain时加参数放宽限制：

  python retrain.py --minimum_images_per_class 1 --image_dir=tf_files/pressure_ulcers
  

  把1改成你需要的最小数量，确保6个类别都被纳入训练。

3. 验证retrain的训练日志 #

回头看retrain时的终端输出，找类似这样的日志行：

Found X images belonging to 6 classes.
如果这里显示的是5 classes，那说明retrain确实没识别到第6个类别，可能是：

• 那个类别目录里没有有效图片（比如都是损坏的、TensorFlow不支持的格式，比如WebP）；
• 目录路径写错了，或者目录名有特殊字符（不过你换组合测试过，这个可能性低）。
  你可以手动打开对应目录，检查图片能不能正常打开，格式是不是JPG/PNG这类支持的格式。

4. 检查label_image的代码逻辑（兜底方案） #

如果上面的方法都没用，打开label_image.py看看有没有限制输出数量的代码，比如：

num_top_predictions = args.num_top_predictions or 5

如果有，要么运行时加--num_top_predictions 6参数覆盖，要么直接把默认值5改成6，保存后再运行脚本。

按这个顺序排查，基本能解决问题，我之前帮同事处理过几乎一样的情况，就是label_image默认只显示前5个，改个参数就搞定了。

内容的提问来源于stack exchange，提问作者Farhad Dalvi