18、深度学习图像分类：车辆识别与年龄性别预测

深度学习图像分类：车辆识别与年龄性别预测

1. 车辆分类结果可视化与评估

1.1 车辆分类评估

在车辆分类任务中，我们使用了经过微调的 VGG16 网络。为了评估该网络在车辆品牌和型号数据集上的性能，我们需要计算预测结果的排名准确率。以下是具体的操作步骤：
1. 初始化预测和目标列表 ：通过代码初始化预测列表和真实目标列表。

# 初始化预测和目标列表
predictions = []
targets = []

2. 循环批量预测 ：使用 iter_predict 函数对测试数据进行批量预测，得到预测结果和真实标签。

# 使用 iter_predict 函数循环批量预测
for preds, batch in iter_predict(testIter):
    # 提取预测结果并转换为 NumPy 数组
    preds = preds[0].asnumpy()
    # 提取真实标签并转换为 NumPy 数组
    batch = batch.label[0].asnumpy()
    # 更新预测和目标列表
    predictions.extend(preds)
    targets.extend(batch)

3. 确保列表长度一致 </