decode_predictions如何对多张图转化成一张表格表格输出

`decode_predictions` 函数是 Keras 模型中用于将模型输出的概率向量转换成可读性更强的标签的函数。它的输出结果是一个列表，其中每个元素都是一个包含前 K 个预测结果的元组列表。如果要将多张图像的预测结果转化成一张表格输出，可以使用 Pandas 库来实现。

具体来说，可以将每张图像的预测结果转化成一个 Pandas DataFrame，再将所有 DataFrame 合并成一个大的 DataFrame。具体代码如下所示：

import pandas as pd
from keras.applications.resnet50 import ResNet50, decode_predictions
from keras.preprocessing import image

# 加载 ResNet50 模型
model = ResNet50(weights='imagenet')

# 读取多张图片并进行预测
img1 = image.load_img('path/to/image1.jpg', target_size=(224, 224))
img2 = image.load_img('path/to/image2.jpg', target_size=(224, 224))
img3 = image.load_img('path/to/image3.jpg', target_size=(224, 224))
x1 = image.img_to_array(img1)
x2 = image.img_to_array(img2)
x3 = image.img_to_array(img3)
x = np.array([x1, x2, x3])
preds = model.predict(x)

# 将预测结果转化成 Pandas DataFrame 并合并成一个大的 DataFrame
df_list = []
for i in range(len(preds)):
    df = pd.DataFrame(decode_predictions(preds[i], top=5)[0], columns=['id', 'label', 'probability'])
    df['image'] = f'image{i+1}'
    df_list.append(df)
result = pd.concat(df_list)

# 输出结果 DataFrame
print(result)

上面的代码中，首先加载了 ResNet50 模型，并读取了三张图像进行预测。接着，将每张图像的预测结果转化成一个 Pandas DataFrame，并添加一列来表示该结果来自哪张图片。最后，将所有 DataFrame 合并成一个大的 DataFrame，并输出结果。输出结果类似于下面的表格：

   id            label  probability    image
0   n02119789  kit_fox     0.148583    image1
1   n02124075  Egyptian_cat  0.132016  image1
2   n02119022  red_fox    0.128331    image1
3   n02123045  tabby       0.103661  image1
4   n02123159  tiger_cat   0.054983  image1
0   n02123394  Persian_cat 0.457205  image2
1   n02124075  Egyptian_cat  0.285693  image2
2   n02123045  tabby       0.068564  image2
3   n02123159  tiger_cat   0.058704  image2
4   n02127052  lynx        0.024555  image2
0   n02123394  Persian_cat 0.262646  image3
1   n02124075  Egyptian_cat  0.219869  image3
2   n02123045  tabby       0.166961  image3
3   n02123159  tiger_cat   0.155977  image3
4   n02127052  lynx        0.048136  image3

其中，每行表示一个预测结果，包括图像 ID、预测标签、预测概率和所属图像。