python - 如何使用训练有素的连体网络来预测具有 100 多个类别的大型测试集的标签？

Question

我是否必须将每个测试图像与每个班级的示例图像进行比较？测试集包含 104 个类别的大约 7400 张图像。所以这将是 7400 x 104 的预测？

在 tpu 上使用 tensorflow，我能够非常有效地训练模型。但是，使用上述方法预测标签需要很长时间，而且模型预测调用会导致内存泄漏，最终导致内核失败（内存可能会爆炸到 30+gb 并且还在增加）。

Answer 1

有多种方法可以做到这一点：

• （不推荐）这基本上是您实际正在做的事情的子集。您可以从每个班级中获取一些图像并将其与您的测试图像进​​行比较。假设您从每个类别中选择 5 张图像，因此您必须进行 5*104 预测。
• 您可以使用 K - 最近邻模型，您只需对 7400 个（或其中的子集）图像进行一次预测，即创建一个 KNN 模型，然后直接使用 KNN 分类器来预测图像的类别。

如果您对 KNN 不太了解或想查看代码实现，也可以参考博客。