Question

我是一位经验丰富的开发人员，是机器学习的新手。我尝试使用Keras / TensorFlow，从mnist_mlp.py示例开始。我在Mac上使用pip安装了Keras和TensorFlow。

为了更好地理解内部工作原理，我不是运行文件（＆＃39; python mnist_mlp.py＆＃39;），而是将文件内容剪切并粘贴到Python（2.7.12）中互动窗口。

一切运行正常，我得到98.4％的测试准确度，如该文件的评论中所述。

我接下来要做的是为它提供新颖的输入并使用model.predict()来查看它的表现。我在GIMP中创建28x28图像并将它们带入我的Python会话（小心地将4通道，8位RGBA图像转换为线性单通道浮点阵列）。

当我把它喂入模型时，我得到的结果看起来很奇怪。有些图像被正确分类，而其他图像则完全偏离。它们看起来对我来说是完全合理的数字，并且它们非常接近地匹配MNIST集合示例。当我将数组提取出来并查看它看起来没问题时，它似乎不是一个翻转或翻转的问题。当我以相同的方式提供MNIST图像时，它们似乎正常工作。

我不确定这里发生了什么。这是过度拟合的情况吗？为什么验证数据集与测试集相同？

可以在此处找到带有说明的测试图像和python代码： https://s3.amazonaws.com/stackoverflow-47799896/StackOverflow_47799896.zip

感谢。

编辑：我尝试使用convnet示例（mnist_cnn.py）进行相同的测试，结果稍微好一点，但仍有类似的错误。如果有人想尝试，他们可以在readme.py文件中使用相同的函数，但进行这些更改：

import numpy as np
x = np.ndarray((1,28,28,1), dtype='float32')

def l (s):
    with open(s, 'rb') as fd:
        _ = fd.read(1)
        for i in xrange(28):
            for j in xrange(28):
                v = ord(fd.read(1))
                x[0][i][j][0] = v / 255.0
                _ = fd.read(3)

编辑2：有趣的是，如果我用MLP案例中的我的图像替换训练数据集中的前19项（60,000中），我会在训练后得到或接近完美预测我的所有图像。这是否表明过度拟合？

为什么model.predict（）不能在新的类似MNIST的输入上运行良好？

0 个答案: