Question

我是深度学习的初学者（CNN）。我使用此代码：（http://learnandshare645.blogspot.com/2016/06/feeding-your-own-data-set-into-cnn.html）来了解有关卷积神经网络的更多信息。这个python代码只是将数据分成两部分“train”和“test”，代码中没有验证部分。 那么，如何将验证文件夹添加到包含不同图像的代码中，例如正常和异常？ 我的目标是：给代码提供一个异常图像（这个图像完全不同于以前训练过的机器的火车和测试图像），以便看到不同的结果。

Answer 1

根据代码，＆＃34;测试＆＃34; set用作验证。你知道这一点，因为模型＆＃34;适合＆＃34;在测试集上，即你有：

model.fit(...validation_data=(X_test, Y_test)

这只是命名法，但可能令人困惑。在训练期间，模型永远不会看到真正的测试集。你需要＆＃34;坚持＆＃34;来自培训的其他数据集并正确命名数组。我们假设你想要一个测试集作为训练数据的10％，只需：

# Split your data into train/validation
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=4)

# Split into train/test
X_train, X_test, y_train, y_test = train_test_split(X_train, y_train, test_size=0.1, random_state=4)

...more code

# Train you model
model.fit(...validation_data=(X_val, Y_val)

...more code

# Now evaluate on the test data
score = model.evaluate(X_test, Y_test, show_accuracy=True)

如何使用异常图像测试我的卷积神经网络代码？

1 个答案: