Question

我是Keras的新手，我正在学习构建卷积神经网络模型。我正在使用MNIST数据集。

Private Sub WebBrowser1_DocumentComplete(ByVal pDisp As Object, URL As Variant)
    Dim sHTML As String
    sHTML = "<P>This is some text.</P>"

    WebBrowser1.Document.body.innerHTML = sHTML  
End Sub

在构建和评估之后，我的准确率达到99％。

(X_train, y_train), (X_test, y_test) = mnist.load_data()

现在，我想通过选择一个随机图像手动检查结果，使用matplotlib打印它，然后使用学习模型进行预测。例如，X_test [39]数据看起来像this。

model = NN_model() # Sequential model built with multiple Convolution and pooling layers

model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=3, batch_size=200, verbose=2)

scores = model.evaluate(X_test, y_test, verbose=0)

当我尝试这样做时，它会要求我将预处理数据转换为conv2d数据，因为模型正在转换它。如何手动对测试数据应用此转换？

print(model.predict(X_test[39],verbose=2))

Answer 1

模型没有转换任何内容，网络采用一批形状为(num_samples, channels, width, height)的图像。在这种情况下，您只有一个样本，因此您应该通过添加新维度将num_samples设置为1：

sample = X_test[39]
model.predict(sample[np.newaxis, :, :, :])

或者您也可以将示例数组重新整形为(1, 1, 28, 28)。

Answer 2

我认为你需要重塑数据（可能是在训练时在模型中完成，不能没有代码）。尝试这样的事情：

print(model.predict(X_test[39].reshape(-1, 28, 28, 1),verbose=2))

如何根据CNN中的模型转换测试数据？

2 个答案: