我正在训练一个水果分类模型。到目前为止，我的课程是：['新鲜苹果'，'新鲜香蕉'，'新鲜橙子']

我正在使用使用ImageDataGenerator和flow_from_directory的训练，验证和测试生成器。我已经训练了模型，现在想要将测试生成器输入模型，以查看模型的性能。现在我只有2个图像在测试生成器。我有以下代码进行预测：

    predictions = tuned_model.predict(test_generator)
    score = tf.nn.softmax(predictions[0])

    print(
        'This image most likely belongs to {} with a {:.2f} percent 
    confidence.'.format(
            class_names[np.argmax(score)], 100 * np.max(score)
        )
    )

因此，我得到以下结果：

    This image most likely belongs to Fresh Apples with a 46.19 percent confidence.

是的，这是低精度的，我只训练了10个时代lol。但是，有没有办法我可以看到哪个图像正在测试？或者知道这个预测是否正确的方法？

编辑：

包括发电机代码。。。

generator = ImageDataGenerator(
    rotation_range=45,
    rescale=1./255,
    horizontal_flip=True,
    vertical_flip=True,
    validation_split=.2
)

train_generator = generator.flow_from_directory(
    train_path,
    target_size=(im_height, im_width),
    batch_size = batch_size,
    subset='training'
)

validation_generator = generator.flow_from_directory(
    train_path,
    target_size=(im_height, im_width),
    batch_size=batch_size,
    subset='validation'
)

test_generator = generator.flow_from_directory(
    test_path,
    target_size= (im_height, im_width),
    batch_size= batch_size,
)

就我的类标签而言，到目前为止，我只是对它们进行了硬编码

class_names = ['Fresh Apples', 'Fresh Bananas', 'Fresh Bananas']

我知道我可能应该导入操作系统，并根据文件结构创建标签，但除非我绝对需要，否则我将稍后再这样做。