在 sklearn 中覆盖自定义转换器的预测功能

如何解决在 sklearn 中覆盖自定义转换器的预测功能

我正在使用海报图像进行电影类型预测。在其中我创建了一个模型管道，我将图像路径作为输入并在管道中对其进行预处理，最后，它给了我预测（电影类型）。但是我想更改输出的格式，我已经尝试创建预测函数但它不起作用。

在这个转换器中，我将我的图像路径转换为 NumPy 数组

from sklearn.base import BaseEstimator,TransformerMixin

class RGB2GrayTransformer(BaseEstimator,TransformerMixin):
   """
   Convert an array of RGB images to grayscale
   """

   def __init__(self,datafile='/content/Movies-Poster_Dataset/train.csv'):
      self.df = pd.read_csv(datafile)
      self.df = self.df.iloc[:1000,:]

  def fit(self,X,y=None):
      """returns itself"""
      return self

  def transform(self,y=None):
      """perform the transformation and return an array"""
      l = np.empty(shape=[850,350,3])
      if isinstance(X,str):
         X = image.load_img(X,target_size=(img_width,img_height,3))
         img = image.img_to_array(X)
         img = img/255.0
         img = img.reshape(1,img_width,3)
         np.append(l,img)
      else:
         for img in X:
            img = image.img_to_array(img)
            img = img/255.0
            img = img.reshape(1,3)
            np.append(l,img)
      return l

在下面，我正在创建一个 Keras 模型并预测我的结果

def get_training_model():
 input_layer = tf.keras.layers.Input(shape=(350,3),name="input_layer")
 c1=Conv2D(16,(3,activation='relu',input_shape = X_train[0].shape)(input_layer)
 c3=Batchnormalization()(c1)
 c4=MaxPool2D(2,2)(c3)
 c5=Dropout(0.3)(c4)
 c6=Conv2D(32,activation='relu')(c5)
 c7=Batchnormalization()(c6)
 c8=MaxPool2D(2,2)(c7)
 c9=Dropout(0.3)(c8)
 c10=Conv2D(64,activation='relu')(c9)
 c11=Batchnormalization()(c10)
 c12=MaxPool2D(2,2)(c11)
 c13=Dropout(0.4)(c12)
 c14=Conv2D(128,activation='relu')(c13)
 c15=Batchnormalization()(c14)
 c16=MaxPool2D(2,2)(c15)
 c17=Dropout(0.5)(c16)
 c18=Flatten()(c17)
 c19=Dense(128,activation='relu')(c18)
 c20=Batchnormalization()(c19)
 c21=Dropout(0.5)(c20)
 c23=Dense(128,activation='relu')(c21)
 c24=Batchnormalization()(c23)
 c25=Dropout(0.5)(c24)
 outputs=Dense(25,activation='sigmoid')(c25)


 # Create the model
 model = tf.keras.models.Model(input_layer,outputs)

 # Compile the model and return it
 model.compile(optimizer='adam',loss = 'binary_crossentropy',metrics=['accuracy'])
    
 return model

然后我的管道看起来像这样

HOG_pipeline = Pipeline([
('grayify',RGB2GrayTransformer()),('final',get_training_model())
])

和我得到的输出：

而我想要的输出：

使用下面的代码，我可以获得所需格式的输出，但我不知道如何将此代码放入我的管道中

top3 = np.argsort(y_prob[0])[:-4:-1]
l=[] 
for i in range(3):
   l.append(classes[top3[i]])
print(l)