画出的分类图不对，求解答一下

Question

上图是原标签和我预测的分类图，后面将标签为0的也一起预测，但是却出来图三那种图这是为什么，求各位我解答一下，图四是我的代码

Answer 1

引自免费微信小程序：皆我百晓生

根据您提供的代码片段和描述，您似乎在使用卷积神经网络对图像进行像素级的分类预测。您遇到了问题，即预测的分类图包含了不应该被预测的类别（标签为0的区域）。我将尝试分析您的代码并提供可能的解决方案。

首先，您的代码中有一个条件判断用于跳过标签为0的像素：

if int(y[i, j]) == 0:
    continue

这段代码的意图是当当前像素的标签为0时，不进行预测并继续下一个像素。但是，这里存在一个潜在的问题：y[i, j] 应该是一个包含类别标签的数组。如果y是一个二维数组，那么y[i, j] 将返回一个二维子数组，而不是单个标签值。因此，您需要确保您访问的是正确的标签值。

另外，您的代码中还包含了一个类型转换：

outputs[i][j] = prediction + 1

这里，prediction 是通过np.argmax得到的类别索引（从0开始），而您将其加1来转换为类别标签。如果类别标签是从1开始的，那么这个操作是正确的。但如果类别标签是从0开始的，那么您应该保持prediction 的值不变。

此外，您的代码中还包含了一个打印语句，但似乎有一些语法错误：

if i % 20 == 0:
    print("......row i, handling .", i)

这里，字符串和变量之间应该用逗号分隔。

最后，您的代码中有一个模型预测的部分：

prediction = net(X_test_image)

确保net 是一个已经训练好的模型，并且输入X_test_image 的维度与模型训练时的输入维度相匹配。

综上所述，您可以尝试以下步骤来解决问题：

1. 确保y 是一个包含单个类别标签的二维数组，并且y[i, j] 正确地访问了这些标签。
2. 根据实际情况调整outputs[i][j] = prediction + 1 这行代码，确保类别标签的偏移是正确的。
3. 修正打印语句的语法错误。
4. 确保模型和输入数据的维度匹配。

希望这些信息能帮助您解决问题。如果您需要进一步的帮助，请提供更多的上下文信息或完整的代码。