(или это как можно ближе). После того, как вы получите пороговые значения - вам нужно написать свою пользовательскую функцию для прогнозирования класса.
уйста, обратитесьВот на мой предыдущий вопрос для справочной информации. Согласноответ предложеноНасим Бен, Я обучил модели двухсторонней архитектуры с использованием функционального API. Теперь я чувствую себя застрявшим, так как мне нужно предсказать класс каждого пикселя. вот код для того же:
imgs = io.imread(test_img).astype('float').reshape(5,240,240)
plist = []
# create patches from an entire slice
for img in imgs[:-1]:
if np.max(img) != 0:
img /= np.max(img)
p = extract_patches_2d(img, (33,33))
plist.append(p)
patches = np.array(zip(np.array(plist[0]), np.array(plist[1]), np.array(plist[2]), np.array(plist[3])))
# predict classes of each pixel based on model
full_pred = self.model_comp.predict_classes(patches)
fp1 = full_pred.reshape(208,208)
Но согласноGitHub-ссылка Предсказание_классов () недоступно. Итак, мой вопрос, есть ли другая альтернатива, которую я могу попробовать?