所以，我是深度学习的新手，我已经开始使用Keras的CNN模型的猫和狗数据集。
在我的代码中，我无法得到classifier.predict或classifier.predict_proba的概率输出。我只是得到[[0,1]]或[[1,0]]的输出。我已经尝试了几个图像。
但我在找类似[[0.4,0.6]]，[[0.89,0.11]]的东西
我试着把损失函数从binary_crossentropy改为categorical_crossentropy。
我尝试将输出层的激活函数从sigmoid更改为softmax。
我还尝试将flow_from_directory中的class_mode从binary更改为categorical。

• 我想我可能在数据类型上出错了，因为输出数组的类型是float 32。但即使这是错误，我也不知道如何更改它。*

我找不到我错在哪里。请澄清/帮助。谢谢。
为什么需要概率？
在我的另一个项目中，我将把一个图像分割成n个小块。然后我将分别对n个小块使用分类器，并找到概率最大的一个小块。为此，我不会使用猫和狗的数据集。它是用于装箱的，该数据集也将二进制输出为“YES”或“NO”。欢迎对此提出任何建议。谢谢。
Link在Github中的代码。

#Building the CNN
    
    from keras.models import Sequential
    from keras.layers import Convolution2D
    from keras.layers import MaxPooling2D
    from keras.layers import Flatten
    from keras.layers import Dense
    
    #Initialising the CNN
    
    classifier = Sequential()
    
    #Step 1 - Convolution
    classifier.add(Convolution2D(filters=32,kernel_size=[3,3],input_shape=(64,64,3),activation='relu'))
    
    #Step 2 - Pooling
    classifier.add(MaxPooling2D(pool_size=(2,2),strides=2))
    
    #Adding another Convolutional Layer for better accuracy
    #classifier.add(Convolution2D(filters=32,kernel_size=[3,3],activation='relu'))
    #classifier.add(MaxPooling2D(pool_size=(2,2),strides=2))
    
    #Step 3 - Flattening
    classifier.add(Flatten()) 
    
    #Step 4 - Fully Connected Layers
    classifier.add(Dense(units= 64, activation='relu'))
    classifier.add(Dense(units= 2, activation='softmax'))
    
    
    #Compiling the CNN
    classifier.compile(optimizer='adam',loss = 'categorical_crossentropy', metrics=['accuracy'])
    
    #Part 2 - Fitting the CNN to the images
    from keras.preprocessing.image import ImageDataGenerator
    
    train_datagen=ImageDataGenerator(
            rescale=1./255,
            shear_range=0.2,
            zoom_range=0.2,
            horizontal_flip=True)
    
    test_datagen=ImageDataGenerator(rescale=1./255)
    
    training_set = train_datagen.flow_from_directory('dataset/training_set',
                                                     target_size=(64,64),
                                                     batch_size=32,
                                                     class_mode='categorical')
    
    test_set = test_datagen.flow_from_directory('dataset/test_set',
                                                target_size=(64,64),
                                                batch_size=32,
                                                class_mode='categorical')
    
    classifier.fit_generator(training_set,
                        steps_per_epoch=250,
                        epochs=3,                       #Just for time being I've kept very few epochs.
                        validation_data=test_set,
                        validation_steps=62)
    
    
    #Making new Predictions
    import numpy as np
    from keras.preprocessing import image
    
    test_image_luna=image.load_img('dataset/single/SkilletLuna.JPG',target_size=(64,64))
    test_image2=image.img_to_array(test_image_luna)
    test_image2=np.expand_dims(test_image2,axis=0)
    luna=classifier.predict_proba(test_image2)

In [11]: luna
    ...: 
Out[11]: array([[0., 1.]], dtype=float32)

字符串