tensorflow.keras.models.Sequential——predict()、predict_classes()、predict_proba()方法的区别

@创建于：2022.04.17
@修改于：2022.04.17

predict() 在tf.keras.Sequential 和 tf.keras.Model模块都有效；
predict_classes()、predict_proba()方法 在tf.keras.Sequential 模块下有效，在tf.keras.Model模块下无效。

1、方法介绍

predict()方法预测时，返回值是数值，表示样本属于每一个类别的概率。

predict_proba() 方法预测时，返回值是数值，表示样本属于每一个类别的概率。与predict输出结果一致。

predict_classes() 方法预测时，返回的是类别的索引，即该样本所属的类别标签。

predict_classes() 和 predict_proba()方法将逐渐被弃用了，不建议尝试了。虽然在tensorflow2.5.0中还存在，如果使用会报出如下警告。

UserWarning: `model.predict_proba()` is deprecated and will be removed after 2021-01-01. Please use `model.predict()` instead.
  warnings.warn('`model.predict_proba()` is deprecated and '

2、建议使用predict()，进而改写

predict_classes() 已被弃用并且将在 2021-01-01 之后删除，请改用下面做法。这样能够与tf.keras.Model模块保持一致，实现统一。

• 如果你的模型进行多类分类（例如，如果它使用 softmax 最后一层激活），使用np.argmax获得最大值索引。因为深度学习的多分类模型里面需要使用独热向量编码，或参考keras中to_categorical函数解析

np.argmax(model.predict(x), axis=-1)

• 如果你的模型进行二分类（例如，如果它使用 sigmoid 最后一层激活），使用下面代码获得分类

(model.predict(x) > 0.5).astype("int32")

3、predict()参数介绍</