

In [1]:

    
cd ..









    



/afs/inf.ed.ac.uk/user/s13/s1320903/Neuroglycerin/neukrill-net-work



In [2]:

    
ls









    



calculate_normalisation_stats.py  predictions.pkl
check_test_score.py               pylearn2_cpu_model_function_builder.py
data/                             README.md
generate_hlf_cache.py             run_settings/
generate_prior_weighted_csv.py    settings.json
generate_prior_weighted_csv.py~   start_script.sh*
generate_prior_weighted_csv.pyc   test_attr.py
image_hack.sh*                    test_priors.py
LICENSE                           test.py*
logistic_sgd3.py                  test.py~
misc/                             train_attr.py
mlp3.py                           train_bow.py
mlp.py                            train.py*
mnist_train.py                    yaml_templates/
model.pkl                         y_pickle
notebooks/



In [5]:

    
import pylearn2.utils
import pylearn2.config
import theano
import neukrill_net.utils
import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
import holoviews as hl
%load_ext holoviews.ipython
import sklearn.metrics
import pickle









    



Welcome to the HoloViews IPython extension! (http://ioam.github.io/holoviews/)
Available magics: %compositor, %opts, %params, %view, %%labels, %%opts, %%view






    



:0: FutureWarning: IPython widgets are experimental and may change in the future.






    





<matplotlib.figure.Figure at 0x7f503ed38090>






    





<matplotlib.figure.Figure at 0x7f503ed389d0>






    





<matplotlib.figure.Figure at 0x7f503ed387d0>

Model with col_norms set to a higher value and augmentations turned on. We saved its pickle with predictions across all superclass vectors.



In [6]:

    
with open("predictions.pkl", "rb") as f:
    predictions = pickle.load(f)

Get first parent predictions out.



In [16]:

    
superclasses = predictions[:,121:(121+38)]
s = np.sum(superclasses, axis = 1)
any((s < 0.9999 )*(s>1.00001))









    Out[16]:





False



In [84]:

    
import neukrill_net.utils as utils
settings = neukrill_net.utils.Settings("settings.json")
import neukrill_net.encoding as enc
hier = enc.get_hierarchy(settings)

Get those superclasses that only have classes as children.



In [150]:

    
import neukrill_net.taxonomy as t
only_leaf_children = []

layer = t.TaxonomyLayer(1)

for s in hier[1]:
    flag = True
    for key, values in t.superclasses.items():
        for i, v in enumerate(values):
            if v == s and i != 1:
                flag = False
    if flag:
        if s not in only_leaf_children:
            only_leaf_children.append(s)



In [154]:

    
only_leaf_children









    Out[154]:





['acantharia',
 'appendicularians',
 'calanoid',
 'chaetognaths',
 'cydippid',
 'decapods_all',
 'detritus',
 'diatoms',
 'euphausiids_all_ages',
 'fish',
 'no_class',
 'oithona',
 'other_hydromedusae',
 'physonect',
 'pluteus',
 'pteropods',
 'radiolarian',
 'rocketship',
 'seastar',
 'sphaeronectes',
 'sub_hydromedusae1',
 'sub_hydromedusae2',
 'sub_protists',
 'trichodesmium',
 'tunicate',
 'unknown']

Create a list with keys being indices of a superclass (first parent) and values being all of the classes in it.



In [167]:

    
import neukrill_net.taxonomy as t
layer = t.TaxonomyLayer(1)

backmap = {}
for i, c in enumerate(settings.classes):
    j = int(np.where(np.array(hier[1]) == layer[c])[0])
    if hier[1][j] in only_leaf_children:
        try:
            backmap[j] += [i]
        except:
            backmap[j] = [i]



In [168]:

    
backmap









    Out[168]:





{0: [0, 1, 2],
 1: [4, 5, 6, 7],
 2: [14, 15, 16, 17, 18, 19, 20, 21, 22, 26],
 4: [10, 11, 12],
 8: [29, 30],
 9: [32, 92, 94, 95],
 10: [33, 34, 35, 49],
 11: [36, 37],
 13: [47, 48],
 14: [50, 51, 52, 53, 54, 55],
 17: [8, 9],
 18: [24, 25],
 19: [58, 59, 66, 67, 68, 69, 70, 71, 74, 75, 76, 77],
 21: [104, 105],
 23: [38, 39, 40, 41, 45],
 25: [87, 88, 89],
 26: [90, 91],
 27: [97, 98],
 28: [42, 43],
 31: [99, 100, 101],
 32: [57, 60, 61, 62],
 33: [63, 64, 65, 72, 73],
 34: [82, 83, 85, 86],
 35: [108, 109, 110, 111],
 36: [113, 114, 115, 116, 117],
 37: [118, 119, 120]}



In [175]:

    
class_predictions = predictions[:, 0:121]
nr = class_predictions

Make a large array for class predictions for all images. Replace those predictions that correspond to only_leaf_children superclasses with its prediction weighted by the class prior. For other classes, use their own predictions.



In [176]:

    
for index,r in enumerate(superclasses):
    if index%1000 == 0:
        print index
    for i,j in enumerate(r):
        priors = []
        if i in backmap:
            d = sum([settings.class_priors[k] for k in backmap[i]])
            for a in backmap[i]:
                priors.append(settings.class_priors[a]/d)
            nr[index,backmap[i]] = j*np.array(priors)

Write a .csv file.



In [71]:

    
import os
os.path.basename(settings.image_fnames['test'][0])









    Out[71]:





u'1.jpg'



In [73]:

    
names = [os.path.basename(n) for n in settings.image_fnames['test']]









    Out[73]:





[u'1.jpg',
 u'10.jpg',
 u'100.jpg',
 u'1000.jpg',
 u'10000.jpg',
 u'100000.jpg',
 u'100001.jpg',
 u'100002.jpg',
 u'100003.jpg',
 u'100004.jpg',
 u'100005.jpg',
 u'100006.jpg',
 u'100007.jpg',
 u'100008.jpg',
 u'10001.jpg',
 u'100011.jpg',
 u'100012.jpg',
 u'100013.jpg',
 u'100014.jpg',
 u'100015.jpg',
 u'100016.jpg',
 u'100017.jpg',
 u'100018.jpg',
 u'100019.jpg',
 u'10002.jpg',
 u'100020.jpg',
 u'100021.jpg',
 u'100022.jpg',
 u'100023.jpg',
 u'100024.jpg',
 u'100025.jpg',
 u'100026.jpg',
 u'100027.jpg',
 u'100028.jpg',
 u'10003.jpg',
 u'100030.jpg',
 u'100031.jpg',
 u'100032.jpg',
 u'100033.jpg',
 u'100034.jpg',
 u'100035.jpg',
 u'100036.jpg',
 u'100037.jpg',
 u'100038.jpg',
 u'100039.jpg',
 u'10004.jpg',
 u'100041.jpg',
 u'100042.jpg',
 u'100043.jpg',
 u'100045.jpg',
 u'100046.jpg',
 u'100047.jpg',
 u'100048.jpg',
 u'100049.jpg',
 u'10005.jpg',
 u'100050.jpg',
 u'100051.jpg',
 u'100052.jpg',
 u'100053.jpg',
 u'100054.jpg',
 u'100055.jpg',
 u'100057.jpg',
 u'100059.jpg',
 u'10006.jpg',
 u'100060.jpg',
 u'100062.jpg',
 u'100066.jpg',
 u'100067.jpg',
 u'100068.jpg',
 u'100069.jpg',
 u'10007.jpg',
 u'100071.jpg',
 u'100072.jpg',
 u'100075.jpg',
 u'100076.jpg',
 u'100077.jpg',
 u'100078.jpg',
 u'100079.jpg',
 u'10008.jpg',
 u'100080.jpg',
 u'100081.jpg',
 u'100082.jpg',
 u'100083.jpg',
 u'100084.jpg',
 u'100085.jpg',
 u'100086.jpg',
 u'100087.jpg',
 u'100089.jpg',
 u'100090.jpg',
 u'100091.jpg',
 u'100092.jpg',
 u'100093.jpg',
 u'100095.jpg',
 u'100097.jpg',
 u'100098.jpg',
 u'100099.jpg',
 u'1001.jpg',
 u'10010.jpg',
 u'100100.jpg',
 u'100101.jpg',
 u'100102.jpg',
 u'100103.jpg',
 u'100104.jpg',
 u'100105.jpg',
 u'100106.jpg',
 u'100107.jpg',
 u'100108.jpg',
 u'10011.jpg',
 u'100110.jpg',
 u'100111.jpg',
 u'100112.jpg',
 u'100113.jpg',
 u'100114.jpg',
 u'100117.jpg',
 u'100118.jpg',
 u'100119.jpg',
 u'10012.jpg',
 u'100120.jpg',
 u'100121.jpg',
 u'100122.jpg',
 u'100123.jpg',
 u'100124.jpg',
 u'100126.jpg',
 u'100127.jpg',
 u'100128.jpg',
 u'100129.jpg',
 u'10013.jpg',
 u'100131.jpg',
 u'100132.jpg',
 u'100134.jpg',
 u'100135.jpg',
 u'100137.jpg',
 u'100138.jpg',
 u'10014.jpg',
 u'100140.jpg',
 u'100142.jpg',
 u'100143.jpg',
 u'100144.jpg',
 u'100145.jpg',
 u'100146.jpg',
 u'100147.jpg',
 u'100148.jpg',
 u'10015.jpg',
 u'100150.jpg',
 u'100151.jpg',
 u'100152.jpg',
 u'100154.jpg',
 u'100155.jpg',
 u'100156.jpg',
 u'100157.jpg',
 u'100158.jpg',
 u'100159.jpg',
 u'10016.jpg',
 u'100161.jpg',
 u'100162.jpg',
 u'100163.jpg',
 u'100164.jpg',
 u'100165.jpg',
 u'100166.jpg',
 u'100167.jpg',
 u'100168.jpg',
 u'100169.jpg',
 u'10017.jpg',
 u'100170.jpg',
 u'100171.jpg',
 u'100172.jpg',
 u'100174.jpg',
 u'100175.jpg',
 u'100176.jpg',
 u'100177.jpg',
 u'100178.jpg',
 u'100179.jpg',
 u'100180.jpg',
 u'100182.jpg',
 u'100183.jpg',
 u'100184.jpg',
 u'100185.jpg',
 u'100186.jpg',
 u'100187.jpg',
 u'100189.jpg',
 u'100190.jpg',
 u'100191.jpg',
 u'100192.jpg',
 u'100193.jpg',
 u'100194.jpg',
 u'100195.jpg',
 u'100197.jpg',
 u'100198.jpg',
 u'100199.jpg',
 u'1002.jpg',
 u'10020.jpg',
 u'100200.jpg',
 u'100203.jpg',
 u'100204.jpg',
 u'100205.jpg',
 u'100206.jpg',
 u'100207.jpg',
 u'100208.jpg',
 u'100210.jpg',
 u'100211.jpg',
 u'100212.jpg',
 u'100213.jpg',
 u'100214.jpg',
 u'100215.jpg',
 u'100218.jpg',
 u'10022.jpg',
 u'100220.jpg',
 u'100221.jpg',
 u'100222.jpg',
 u'100223.jpg',
 u'100225.jpg',
 u'100227.jpg',
 u'100228.jpg',
 u'100229.jpg',
 u'10023.jpg',
 u'100230.jpg',
 u'100231.jpg',
 u'100232.jpg',
 u'100233.jpg',
 u'100234.jpg',
 u'100235.jpg',
 u'100236.jpg',
 u'100237.jpg',
 u'100239.jpg',
 u'10024.jpg',
 u'100240.jpg',
 u'100241.jpg',
 u'100242.jpg',
 u'100243.jpg',
 u'100244.jpg',
 u'100245.jpg',
 u'100246.jpg',
 u'100247.jpg',
 u'10025.jpg',
 u'100250.jpg',
 u'100251.jpg',
 u'100252.jpg',
 u'100254.jpg',
 u'100255.jpg',
 u'100256.jpg',
 u'100257.jpg',
 u'100258.jpg',
 u'100259.jpg',
 u'10026.jpg',
 u'100260.jpg',
 u'100261.jpg',
 u'100262.jpg',
 u'100264.jpg',
 u'100265.jpg',
 u'100266.jpg',
 u'100267.jpg',
 u'100268.jpg',
 u'100269.jpg',
 u'10027.jpg',
 u'100270.jpg',
 u'100272.jpg',
 u'100273.jpg',
 u'100274.jpg',
 u'100276.jpg',
 u'100278.jpg',
 u'100279.jpg',
 u'100280.jpg',
 u'100281.jpg',
 u'100282.jpg',
 u'100283.jpg',
 u'100284.jpg',
 u'100285.jpg',
 u'100286.jpg',
 u'100289.jpg',
 u'100290.jpg',
 u'100291.jpg',
 u'100292.jpg',
 u'100293.jpg',
 u'100294.jpg',
 u'100295.jpg',
 u'100296.jpg',
 u'100297.jpg',
 u'100298.jpg',
 u'100299.jpg',
 u'1003.jpg',
 u'100300.jpg',
 u'100301.jpg',
 u'100302.jpg',
 u'100304.jpg',
 u'100305.jpg',
 u'100306.jpg',
 u'100307.jpg',
 u'100308.jpg',
 u'100309.jpg',
 u'10031.jpg',
 u'100310.jpg',
 u'100311.jpg',
 u'100313.jpg',
 u'100314.jpg',
 u'100315.jpg',
 u'100317.jpg',
 u'100318.jpg',
 u'100319.jpg',
 u'10032.jpg',
 u'100320.jpg',
 u'100321.jpg',
 u'100322.jpg',
 u'100324.jpg',
 u'100326.jpg',
 u'100327.jpg',
 u'100328.jpg',
 u'100329.jpg',
 u'10033.jpg',
 u'100330.jpg',
 u'100331.jpg',
 u'100332.jpg',
 u'100334.jpg',
 u'100335.jpg',
 u'100336.jpg',
 u'100337.jpg',
 u'100338.jpg',
 u'10034.jpg',
 u'100340.jpg',
 u'100341.jpg',
 u'100342.jpg',
 u'100343.jpg',
 u'100344.jpg',
 u'100346.jpg',
 u'100348.jpg',
 u'100349.jpg',
 u'100350.jpg',
 u'100351.jpg',
 u'100352.jpg',
 u'100353.jpg',
 u'100354.jpg',
 u'100356.jpg',
 u'100357.jpg',
 u'100358.jpg',
 u'100359.jpg',
 u'10036.jpg',
 u'100360.jpg',
 u'100361.jpg',
 u'100362.jpg',
 u'100363.jpg',
 u'100364.jpg',
 u'100365.jpg',
 u'100366.jpg',
 u'100367.jpg',
 u'100368.jpg',
 u'100369.jpg',
 u'10037.jpg',
 u'100370.jpg',
 u'100371.jpg',
 u'100372.jpg',
 u'100373.jpg',
 u'100374.jpg',
 u'100375.jpg',
 u'100376.jpg',
 u'100377.jpg',
 u'100378.jpg',
 u'100379.jpg',
 u'10038.jpg',
 u'100380.jpg',
 u'100381.jpg',
 u'100382.jpg',
 u'100383.jpg',
 u'100384.jpg',
 u'100385.jpg',
 u'100386.jpg',
 u'100388.jpg',
 u'100389.jpg',
 u'10039.jpg',
 u'100390.jpg',
 u'100391.jpg',
 u'100392.jpg',
 u'100393.jpg',
 u'100394.jpg',
 u'100395.jpg',
 u'100398.jpg',
 u'1004.jpg',
 u'10040.jpg',
 u'100400.jpg',
 u'100401.jpg',
 u'100402.jpg',
 u'100403.jpg',
 u'100405.jpg',
 u'100406.jpg',
 u'100407.jpg',
 u'100408.jpg',
 u'100409.jpg',
 u'10041.jpg',
 u'100410.jpg',
 u'100411.jpg',
 u'100412.jpg',
 u'100413.jpg',
 u'100414.jpg',
 u'100416.jpg',
 u'100417.jpg',
 u'100419.jpg',
 u'10042.jpg',
 u'100420.jpg',
 u'100423.jpg',
 u'100424.jpg',
 u'100425.jpg',
 u'100426.jpg',
 u'100429.jpg',
 u'10043.jpg',
 u'100430.jpg',
 u'100431.jpg',
 u'100432.jpg',
 u'100433.jpg',
 u'100434.jpg',
 u'100435.jpg',
 u'100436.jpg',
 u'100437.jpg',
 u'100438.jpg',
 u'100439.jpg',
 u'10044.jpg',
 u'100440.jpg',
 u'100441.jpg',
 u'100442.jpg',
 u'100443.jpg',
 u'100444.jpg',
 u'100445.jpg',
 u'100446.jpg',
 u'100447.jpg',
 u'100448.jpg',
 u'100449.jpg',
 u'10045.jpg',
 u'100450.jpg',
 u'100453.jpg',
 u'100455.jpg',
 u'100456.jpg',
 u'100457.jpg',
 u'100458.jpg',
 u'100459.jpg',
 u'10046.jpg',
 u'100460.jpg',
 u'100461.jpg',
 u'100462.jpg',
 u'100463.jpg',
 u'100465.jpg',
 u'100467.jpg',
 u'100468.jpg',
 u'10047.jpg',
 u'100472.jpg',
 u'100473.jpg',
 u'100474.jpg',
 u'100475.jpg',
 u'100476.jpg',
 u'100477.jpg',
 u'100479.jpg',
 u'100481.jpg',
 u'100482.jpg',
 u'100484.jpg',
 u'100485.jpg',
 u'100486.jpg',
 u'100487.jpg',
 u'100489.jpg',
 u'10049.jpg',
 u'100490.jpg',
 u'100491.jpg',
 u'100492.jpg',
 u'100493.jpg',
 u'100495.jpg',
 u'100497.jpg',
 u'100498.jpg',
 u'100499.jpg',
 u'1005.jpg',
 u'10050.jpg',
 u'100500.jpg',
 u'100501.jpg',
 u'100503.jpg',
 u'100504.jpg',
 u'100506.jpg',
 u'100507.jpg',
 u'100509.jpg',
 u'10051.jpg',
 u'100510.jpg',
 u'100511.jpg',
 u'100512.jpg',
 u'100514.jpg',
 u'100515.jpg',
 u'100517.jpg',
 u'100518.jpg',
 u'100519.jpg',
 u'10052.jpg',
 u'100520.jpg',
 u'100521.jpg',
 u'100523.jpg',
 u'100524.jpg',
 u'100526.jpg',
 u'100527.jpg',
 u'100528.jpg',
 u'100529.jpg',
 u'100530.jpg',
 u'100531.jpg',
 u'100532.jpg',
 u'100533.jpg',
 u'100534.jpg',
 u'100535.jpg',
 u'100536.jpg',
 u'100537.jpg',
 u'100538.jpg',
 u'100539.jpg',
 u'10054.jpg',
 u'100540.jpg',
 u'100541.jpg',
 u'100542.jpg',
 u'100543.jpg',
 u'100546.jpg',
 u'100549.jpg',
 u'10055.jpg',
 u'100550.jpg',
 u'100551.jpg',
 u'100552.jpg',
 u'100553.jpg',
 u'100554.jpg',
 u'100555.jpg',
 u'100556.jpg',
 u'100558.jpg',
 u'100559.jpg',
 u'10056.jpg',
 u'100560.jpg',
 u'100561.jpg',
 u'100562.jpg',
 u'100563.jpg',
 u'100564.jpg',
 u'100566.jpg',
 u'100567.jpg',
 u'100568.jpg',
 u'10057.jpg',
 u'100570.jpg',
 u'100571.jpg',
 u'100572.jpg',
 u'100573.jpg',
 u'100574.jpg',
 u'100575.jpg',
 u'100576.jpg',
 u'100577.jpg',
 u'100578.jpg',
 u'100579.jpg',
 u'10058.jpg',
 u'100580.jpg',
 u'100581.jpg',
 u'100582.jpg',
 u'100583.jpg',
 u'100584.jpg',
 u'100585.jpg',
 u'100586.jpg',
 u'100587.jpg',
 u'100588.jpg',
 u'100589.jpg',
 u'10059.jpg',
 u'100590.jpg',
 u'100591.jpg',
 u'100592.jpg',
 u'100593.jpg',
 u'100594.jpg',
 u'100595.jpg',
 u'100598.jpg',
 u'100599.jpg',
 u'10060.jpg',
 u'100601.jpg',
 u'100602.jpg',
 u'100603.jpg',
 u'100604.jpg',
 u'100606.jpg',
 u'100608.jpg',
 u'10061.jpg',
 u'100610.jpg',
 u'100613.jpg',
 u'100614.jpg',
 u'100615.jpg',
 u'100616.jpg',
 u'100618.jpg',
 u'100619.jpg',
 u'10062.jpg',
 u'100620.jpg',
 u'100621.jpg',
 u'100623.jpg',
 u'100625.jpg',
 u'100626.jpg',
 u'100627.jpg',
 u'100628.jpg',
 u'100629.jpg',
 u'10063.jpg',
 u'100630.jpg',
 u'100631.jpg',
 u'100632.jpg',
 u'100634.jpg',
 u'100636.jpg',
 u'100637.jpg',
 u'100639.jpg',
 u'10064.jpg',
 u'100641.jpg',
 u'100642.jpg',
 u'100643.jpg',
 u'100644.jpg',
 u'100645.jpg',
 u'100646.jpg',
 u'100648.jpg',
 u'100649.jpg',
 u'10065.jpg',
 u'100650.jpg',
 u'100651.jpg',
 u'100652.jpg',
 u'100653.jpg',
 u'100654.jpg',
 u'100655.jpg',
 u'100656.jpg',
 u'100659.jpg',
 u'10066.jpg',
 u'100661.jpg',
 u'100662.jpg',
 u'100663.jpg',
 u'100664.jpg',
 u'100665.jpg',
 u'100668.jpg',
 u'100669.jpg',
 u'10067.jpg',
 u'100671.jpg',
 u'100672.jpg',
 u'100673.jpg',
 u'100674.jpg',
 u'100675.jpg',
 u'100676.jpg',
 u'100677.jpg',
 u'100678.jpg',
 u'100679.jpg',
 u'10068.jpg',
 u'100680.jpg',
 u'100681.jpg',
 u'100682.jpg',
 u'100683.jpg',
 u'100684.jpg',
 u'100685.jpg',
 u'100686.jpg',
 u'100687.jpg',
 u'100688.jpg',
 u'100689.jpg',
 u'10069.jpg',
 u'100690.jpg',
 u'100692.jpg',
 u'100693.jpg',
 u'100694.jpg',
 u'100695.jpg',
 u'100696.jpg',
 u'100697.jpg',
 u'100698.jpg',
 u'100699.jpg',
 u'1007.jpg',
 u'100700.jpg',
 u'100701.jpg',
 u'100702.jpg',
 u'100704.jpg',
 u'100705.jpg',
 u'100706.jpg',
 u'100707.jpg',
 u'100709.jpg',
 u'10071.jpg',
 u'100710.jpg',
 u'100712.jpg',
 u'100713.jpg',
 u'100714.jpg',
 u'100715.jpg',
 u'100716.jpg',
 u'100717.jpg',
 u'100718.jpg',
 u'100719.jpg',
 u'10072.jpg',
 u'100720.jpg',
 u'100721.jpg',
 u'100722.jpg',
 u'100726.jpg',
 u'100727.jpg',
 u'100729.jpg',
 u'10073.jpg',
 u'100732.jpg',
 u'100733.jpg',
 u'100734.jpg',
 u'100735.jpg',
 u'100737.jpg',
 u'100738.jpg',
 u'100739.jpg',
 u'10074.jpg',
 u'100740.jpg',
 u'100741.jpg',
 u'100742.jpg',
 u'100743.jpg',
 u'100748.jpg',
 u'10075.jpg',
 u'100751.jpg',
 u'100752.jpg',
 u'100753.jpg',
 u'100754.jpg',
 u'100755.jpg',
 u'100757.jpg',
 u'100758.jpg',
 u'100759.jpg',
 u'100760.jpg',
 u'100763.jpg',
 u'100764.jpg',
 u'100765.jpg',
 u'100766.jpg',
 u'100767.jpg',
 u'100768.jpg',
 u'100769.jpg',
 u'10077.jpg',
 u'100770.jpg',
 u'100771.jpg',
 u'100772.jpg',
 u'100773.jpg',
 u'100774.jpg',
 u'100775.jpg',
 u'100776.jpg',
 u'100777.jpg',
 u'100778.jpg',
 u'10078.jpg',
 u'100780.jpg',
 u'100781.jpg',
 u'100783.jpg',
 u'100785.jpg',
 u'100786.jpg',
 u'100787.jpg',
 u'100788.jpg',
 u'100789.jpg',
 u'10079.jpg',
 u'100790.jpg',
 u'100791.jpg',
 u'100792.jpg',
 u'100793.jpg',
 u'100794.jpg',
 u'100795.jpg',
 u'100798.jpg',
 u'100799.jpg',
 u'1008.jpg',
 u'10080.jpg',
 u'100800.jpg',
 u'100801.jpg',
 u'100805.jpg',
 u'100806.jpg',
 u'100807.jpg',
 u'100808.jpg',
 u'100809.jpg',
 u'10081.jpg',
 u'100811.jpg',
 u'100812.jpg',
 u'100813.jpg',
 u'100814.jpg',
 u'100815.jpg',
 u'100816.jpg',
 u'100817.jpg',
 u'100818.jpg',
 u'100819.jpg',
 u'10082.jpg',
 u'100820.jpg',
 u'100821.jpg',
 u'100822.jpg',
 u'100823.jpg',
 u'100824.jpg',
 u'100825.jpg',
 u'100826.jpg',
 u'100827.jpg',
 u'100828.jpg',
 u'100829.jpg',
 u'10083.jpg',
 u'100830.jpg',
 u'100832.jpg',
 u'100833.jpg',
 u'100834.jpg',
 u'100835.jpg',
 u'100836.jpg',
 u'100837.jpg',
 u'100839.jpg',
 u'10084.jpg',
 u'100840.jpg',
 u'100841.jpg',
 u'100843.jpg',
 u'100844.jpg',
 u'100846.jpg',
 u'100847.jpg',
 u'100848.jpg',
 u'100849.jpg',
 u'10085.jpg',
 u'100851.jpg',
 u'100852.jpg',
 u'100853.jpg',
 u'100854.jpg',
 u'100855.jpg',
 u'100856.jpg',
 u'100857.jpg',
 u'100858.jpg',
 u'100859.jpg',
 u'10086.jpg',
 u'100860.jpg',
 u'100861.jpg',
 u'100862.jpg',
 u'100863.jpg',
 u'100864.jpg',
 u'100865.jpg',
 u'100866.jpg',
 u'100867.jpg',
 u'100868.jpg',
 u'100869.jpg',
 u'10087.jpg',
 u'100870.jpg',
 u'100871.jpg',
 u'100872.jpg',
 u'100873.jpg',
 u'100874.jpg',
 u'100875.jpg',
 u'100876.jpg',
 u'100877.jpg',
 u'100878.jpg',
 u'10088.jpg',
 u'100880.jpg',
 u'100881.jpg',
 u'100882.jpg',
 u'100883.jpg',
 u'100884.jpg',
 u'100885.jpg',
 u'100886.jpg',
 u'100887.jpg',
 u'100888.jpg',
 u'100889.jpg',
 u'10089.jpg',
 u'100890.jpg',
 u'100891.jpg',
 u'100892.jpg',
 u'100893.jpg',
 u'100894.jpg',
 u'100895.jpg',
 u'100896.jpg',
 u'100897.jpg',
 u'100898.jpg',
 u'100899.jpg',
 u'1009.jpg',
 u'10090.jpg',
 u'100901.jpg',
 u'100902.jpg',
 u'100904.jpg',
 u'100905.jpg',
 u'100906.jpg',
 u'100907.jpg',
 u'100908.jpg',
 u'100909.jpg',
 u'10091.jpg',
 u'100910.jpg',
 u'100911.jpg',
 u'100912.jpg',
 u'100913.jpg',
 u'100914.jpg',
 u'100915.jpg',
 u'100916.jpg',
 u'100917.jpg',
 u'100918.jpg',
 u'100919.jpg',
 u'100920.jpg',
 u'100921.jpg',
 u'100922.jpg',
 u'100923.jpg',
 u'100924.jpg',
 u'100925.jpg',
 u'100926.jpg',
 u'100927.jpg',
 u'10093.jpg',
 u'100930.jpg',
 u'100932.jpg',
 u'100933.jpg',
 u'100936.jpg',
 u'100937.jpg',
 u'100938.jpg',
 u'100939.jpg',
 u'10094.jpg',
 u'100940.jpg',
 u'100941.jpg',
 u'100942.jpg',
 u'100943.jpg',
 u'100944.jpg',
 u'100945.jpg',
 u'100946.jpg',
 u'100947.jpg',
 u'100948.jpg',
 u'100949.jpg',
 u'10095.jpg',
 u'100950.jpg',
 u'100951.jpg',
 u'100952.jpg',
 u'100954.jpg',
 u'100955.jpg',
 u'100956.jpg',
 u'100957.jpg',
 u'100958.jpg',
 u'100959.jpg',
 u'100960.jpg',
 u'100961.jpg',
 u'100962.jpg',
 u'100964.jpg',
 u'100965.jpg',
 u'100966.jpg',
 u'100967.jpg',
 u'100968.jpg',
 u'10097.jpg',
 u'100971.jpg',
 u'100972.jpg',
 u'100973.jpg',
 u'100974.jpg',
 u'100975.jpg',
 u'100976.jpg',
 u'100977.jpg',
 u'100978.jpg',
 u'100979.jpg',
 u'10098.jpg',
 u'100980.jpg',
 u'100984.jpg',
 u'100986.jpg',
 u'100987.jpg',
 u'100988.jpg',
 u'100989.jpg',
 u'10099.jpg',
 u'100990.jpg',
 u'100991.jpg',
 u'100992.jpg',
 u'100993.jpg',
 u'100994.jpg',
 u'100996.jpg',
 u'100998.jpg',
 u'101.jpg',
 u'1010.jpg',
 u'10100.jpg',
 u'101000.jpg',
 u'101001.jpg',
 u'101002.jpg',
 u'101004.jpg',
 u'101005.jpg',
 u'101006.jpg',
 u'101008.jpg',
 u'101009.jpg',
 u'10101.jpg',
 u'101010.jpg',
 u'101011.jpg',
 u'101012.jpg',
 u'101013.jpg',
 u'101014.jpg',
 u'101015.jpg',
 u'101016.jpg',
 u'101017.jpg',
 u'101018.jpg',
 u'10102.jpg',
 u'101020.jpg',
 u'101021.jpg',
 u'101023.jpg',
 u'101024.jpg',
 u'101025.jpg',
 u'101026.jpg',
 u'101028.jpg',
 u'10103.jpg',
 u'101030.jpg',
 u'101031.jpg',
 u'101032.jpg',
 u'101033.jpg',
 u'101034.jpg',
 u'101035.jpg',
 u'101036.jpg',
 u'101037.jpg',
 u'101038.jpg',
 u'101039.jpg',
 u'10104.jpg',
 u'101041.jpg',
 u'101042.jpg',
 u'101043.jpg',
 u'101044.jpg',
 u'101045.jpg',
 u'101046.jpg',
 u'101047.jpg',
 u'101048.jpg',
 u'101049.jpg',
 u'10105.jpg',
 u'101050.jpg',
 u'101051.jpg',
 u'101052.jpg',
 u'101053.jpg',
 u'101054.jpg',
 u'101056.jpg',
 u'101058.jpg',
 u'10106.jpg',
 u'101060.jpg',
 u'101061.jpg',
 u'101062.jpg',
 u'101063.jpg',
 u'101064.jpg',
 u'101067.jpg',
 u'101068.jpg',
 u'101069.jpg',
 u'10107.jpg',
 u'101071.jpg',
 u'101072.jpg',
 u'101073.jpg',
 u'101075.jpg',
 u'101078.jpg',
 u'101079.jpg',
 u'101080.jpg',
 u'101081.jpg',
 u'101084.jpg',
 ...]



In [74]:

    
import neukrill_net.utils as utils
utils.write_predictions('superclass_predictions.csv', nr, names, settings.classes)



In [77]:

    
utils.write_predictions('class_predictions.csv', class_predictions, names, settings.classes)