您可以通过以下方式获取预测标签：

y_pred = numpy.rint(predictions)

你可以通过以下方式得到真正的标签：

y_true = validation_generator.classes

在此之前，您应该在验证生成器中设置shuffle=False。
最后，您可以通过以下方式打印混淆矩阵
print confusion_matrix(y_true, y_pred)

还有另一种稍微“黑客”一点的方法来检索真正的标签。请注意，这种方法可以处理在生成器中设置shuffle=True的情况（一般来说，打乱数据是一个好主意-无论是在存储数据的地方手动进行，还是通过生成器进行，这可能更容易）。

# Create lists for storing the predictions and labels
predictions = []
labels = []

# Get the total number of labels in generator 
# (i.e. the length of the dataset where the generator generates batches from)
n = len(generator.labels)

# Loop over the generator
for data, label in generator:
    # Make predictions on data using the model. Store the results.
    predictions.extend(model.predict(data).flatten())

    # Store corresponding labels
    labels.extend(label)

    # We have to break out from the generator when we've processed 
    # the entire once (otherwise we would end up with duplicates). 
    if (len(label) < generator.batch_size) and (len(predictions) == n):
        break

您的预测和相应的标签现在应该分别存储在predictions和labels中。
最后，请记住，我们不应该在验证和测试集/生成器上添加数据扩充。

使用np.rint()方法会得到一个像[1.，0.，0.]这样的热编码结果，当我尝试用confusion_matrix(y_true, y_pred)创建一个混淆矩阵时，它导致了错误。因为validation_generator.classes返回的类标签是一个数字。
为了获取类编号，例如0，1，2作为指定的类标签，我发现本主题中的选择答案很有用。here

您应该尝试使用此方法来解析类概率，并根据得分将其转换为单个类。

if Y_preds.ndim !=1:
    Y_preds = np.argmax(Y_preds, axis=1)