为什么infer的输出没有对应的label name，看不懂【quick start，classification，one image infer】教程

[aibama]

欢迎您使用PaddleClas并反馈相关问题，非常感谢您对PaddleClas的贡献！
提出issue时，辛苦您提供以下信息，方便我们快速定位问题并及时有效地解决您的问题：

1. PaddleClas版本以及PaddlePaddle版本：请您提供您使用的版本号或分支信息，如PaddleClas release/2.2和PaddlePaddle 2.1.0
2. 涉及的其他产品使用的版本号：如您在使用PaddleClas的同时还在使用其他产品，如PaddleServing、PaddleInference等，请您提供其版本号
3. 训练环境信息：
   a. 具体操作系统，如Linux/Windows/MacOS
   b. Python版本号，如Python3.6/7/8
   c. CUDA/cuDNN版本， 如CUDA10.2/cuDNN 7.6.5等
4. 完整的代码(相比于repo中代码，有改动的地方)、详细的错误信息及相关log

---

复现了https://github.com/PaddlePaddle/PaddleClas/blob/release/2.3/docs/zh_CN/quick_start/quick_start_classification_new_user.md
30分钟玩转PaddleClas（尝鲜版）
这个demo的输出也是一致：
[{'class_ids': [20, 9, 29, 34, 23], 'scores': [0.03, 0.02606, 0.02249, 0.02051, 0.01818], 'file_name': 'dataset/flowers102/jpg/image_00001.jpg', 'label_names': []}]
为什么没有label_names，scores最高的0.03分数是推荐的分类吗？对应哪个标签？
ps:flowers102的imagelabels.mat，setid.mat都有，
任何帮助都感激不尽，先谢谢大佬老师们百忙解答了

[Gmgge]

有两点建议希望可以帮到你。
1.你没有指定类别映射的字典，可以在config文件进行指定，也就是你命令行参数中yaml文件，例如：
PostProcess:
name: Topk
topk: 5
class_id_map_file: ppcls/utils/imagenet1k_label_list.txt（此处需要指定为你的类别映射字典）
2.scores最高的0.03分数是推荐的分类，类别ids为20，根据此id可以在类别字典中找到标签名，但是你的分数为什么这么低，是你测试了自己的数据吗？

[Z-mingyu]

我现在也是这个问题，官方文件里面没有对应的花朵标签文件，好像要自己创建。但是我搞不懂怎么创建，里面有个generate_flowers102_list.py文件，但是运行报错，还是缺文件。

[weisy11]

欢迎您使用PaddleClas并反馈相关问题，非常感谢您对PaddleClas的贡献！ 提出issue时，辛苦您提供以下信息，方便我们快速定位问题并及时有效地解决您的问题：

1. PaddleClas版本以及PaddlePaddle版本：请您提供您使用的版本号或分支信息，如PaddleClas release/2.2和PaddlePaddle 2.1.0
2. 涉及的其他产品使用的版本号：如您在使用PaddleClas的同时还在使用其他产品，如PaddleServing、PaddleInference等，请您提供其版本号
3. 训练环境信息：
   a. 具体操作系统，如Linux/Windows/MacOS
   b. Python版本号，如Python3.6/7/8
   c. CUDA/cuDNN版本， 如CUDA10.2/cuDNN 7.6.5等
4. 完整的代码(相比于repo中代码，有改动的地方)、详细的错误信息及相关log

复现了https://github.com/PaddlePaddle/PaddleClas/blob/release/2.3/docs/zh_CN/quick_start/quick_start_classification_new_user.md 30分钟玩转PaddleClas（尝鲜版） 这个demo的输出也是一致： [{'class_ids': [20, 9, 29, 34, 23], 'scores': [0.03, 0.02606, 0.02249, 0.02051, 0.01818], 'file_name': 'dataset/flowers102/jpg/image_00001.jpg', 'label_names': []}] 为什么没有label_names，scores最高的0.03分数是推荐的分类吗？对应哪个标签？ ps:flowers102的imagelabels.mat，setid.mat都有， 任何帮助都感激不尽，先谢谢大佬老师们百忙解答了

你好，在dataset/flowers文件夹下有生成list的脚本，如果这两个.mat都有了，可以跑一下：
https://github.com/PaddlePaddle/PaddleClas/blob/release/2.3/dataset/flowers102/generate_flowers102_list.py

[TingquanGao]

你好！flowes102 数据集的 lable map 文件我们已经上传，请重新下载并解压 https://paddle-imagenet-models-name.bj.bcebos.com/data/flowers102.zip。在预测时，请修改配置文件中的 Infer.PostProcess.class_id_map_file 字段为 ./dataset/flowers102/flowers102_label_list.txt。具体可参考 #1422 。
如有问题，可继续反馈，谢谢！

[Z-mingyu]

现在可以了，比较好奇的是为什么精度能达到1.0

[aibama]

现在可以了，比较好奇的是为什么精度能达到1.0

为什么精度这么高，我的简直离谱，不知道哪里出错了，是需要预训练模型迁移到预测模型，才预测吗？
预测命令：
python tools/infer.py -c ./ppcls/configs/quick_start/new_user/ShuffleNetV2_x0_25.yaml -o Infer.infer_imgs=
dataset/flowers102/jpg/image_06766.jpg -o Global.pretrained_model=output/ShuffleNetV2_x0_25/best_model
结果：
[{'class_ids': [10, 21, 5, 46, 34], 'scores': [0.01339, 0.013, 0.0125, 0.01245, 0.01245], 'file_name': 'dataset/flowers102/jpg/image_06766.jpg', 'label_
names': ['snapdragon', 'pincushion flower', 'tiger lily', 'marigold', 'alpine sea holly']}]

[Z-mingyu]

我用的ResNet50训练的

[aibama]

有两点建议希望可以帮到你。 1.你没有指定类别映射的字典，可以在config文件进行指定，也就是你命令行参数中yaml文件，例如： PostProcess: name: Topk topk: 5 class_id_map_file: ppcls/utils/imagenet1k_label_list.txt（此处需要指定为你的类别映射字典） 2.scores最高的0.03分数是推荐的分类，类别ids为20，根据此id可以在类别字典中找到标签名，但是你的分数为什么这么低，是你测试了自己的数据吗？

非常感谢您的建议，建议对我有用，
像您说的，不知道为什么分数这么低，我是按照这个问题quick_start_classification_new_user
用cpu训练，然后文档最后最后一步出来的结果就是这个精度

[TingquanGao]

score 0.03 这个不合理，需要确认两个地方：

1. 是否完成了20个epoch的训练，并且可以看一下训练过程中打印的日志，日志中每个epoch结束时的eval精度是多少；
2. 在预测时，也就是 python tools/infer.py -c ./ppcls/configs/quick_start/new_user/ShuffleNetV2_x0_25.yaml -o Infer.infer_imgs=dataset/flowers102/jpg/image_00001.jpg -o Global.pretrained_model=output/ShuffleNetV2_x0_25/best_model 时候，所指定的 Global.pretrained_model 路径是否正确，该路径下是否有模型文件：best_model.pdparams。

如有问题，可继续反馈，谢谢！

[paddle-bot-old]

Since this issue has not been updated for more than three months, it will be closed, if it is not solved or there is a follow-up one, please reopen it at any time and we will continue to follow up.
It is recommended to pull and try the latest code first.
由于该问题超过三个月未更新，将会被关闭，若问题未解决或有后续问题，请随时重新打开（建议先拉取最新代码进行尝试），我们会继续跟进。