如何从 keras model 中找到 class 标签

Question

我正在预测课程，但有些东西我没有得到。 在下面的简化示例中，我训练了一个 model 来预测 MNIST 手写数字。 当我使用时，我的测试集的准确率为 95%

model.evaluate(test_image, test_label)

但是，当我使用

model.predict(test_image)

并使用 np.argmax() 提取预测标签，此准确性下降。 当我一次又一次地运行所有代码时，这种准确性发生了很大变化。

我现在怀疑 model 中的类不是按 0、1... 9 排序的。有没有办法查看 model 的 class 标签？ 还是我犯了另一个错误？

import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras.datasets.mnist import load_data
from tensorflow.keras.layers import Dense, Flatten
from tensorflow.keras.models import Sequential
import numpy as np

# Load data
(train_image, train_label), (test_image, test_label) = load_data()

# Train
model = Sequential([
    Flatten(input_shape=(28,28)),
    Dense(100, activation="relu"),
    Dense(100, activation="relu"),
    Dense(10, activation="sigmoid")
])

model.compile(optimizer='adam',
             loss='sparse_categorical_crossentropy',
             metrics='accuracy')

history = model.fit(train_image, train_label,
                   batch_size=32, epochs=50,
                   validation_data=(test_image, test_label),
                   verbose = 0)

eval = model.evaluate(test_image, test_label)
print('Accuracy (auto):', eval[1]) # This is always high

# Predict and evaluate manually
predictions = model.predict(test_image)
pred = np.array([np.argmax(pred) for pred in predictions])
true = test_label
print('Accuracy (manually):', np.mean(pred == true)) # This varies a lot