为什么要减少 text_label 形状？

问题描述

我已经拍摄了 160 张数据图像进行测试，在训练我的图像数据集并打印 test_label 形状和预测形状后，

print("Test Label shape: ",test_labels.shape)
print("Predictions shape: ",predictions.shape)

Test Label shape:  (160,)
Predictions shape:  (10,2)

根据预测形状和测试标签形状，我应该减少 test_label 形状，否则会显示错误，因此我使用以下代码获取混淆矩阵，

cm = confusion_matrix(test_labels[:-150],predictions.argmax(axis=1))

使用下面的代码后，它打印矩阵，

import itertools
cm_plot_labels = ['disease_leaf','fresh_leaf']
plot_confusion_matrix(cm,cm_plot_labels,title='Confusion Mtrix')

矩阵下方， [[10,0] [ 0,0]]

注意：现在我对矩阵感到困惑并且有一些问题，请分享一下谁知道为什么需要减少 test_label 形状的意见？

是否可以在不减少 test_label 形状的情况下打印混淆矩阵。因为为了减小形状，混淆矩阵提供了 10 个之间的混淆矩阵，但我认为它应该提供 160 个之间的混淆矩阵。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）