Question

我正在用Keras做机器学习，我的神经网络输出图像。

我的数据已标准化，因此我将网络的输出进行标准化，然后使用Image.fromarray将其转换为PIL图像，然后显示这些图像。

但是，我得到的图像看起来非常混乱。例如，它们看起来像：

或

什么时候看起来像

我的损失正在下降到相当低的数字，当我查看网络中的输出值时，它们似乎很正常。

这些图像为什么显示得如此凌乱？我该怎么解决？

Answer 1

问题是您的网络输出不在[0，255]范围内。

即使您在网络的最后一层使用sigmoid函数（这将确保您的输出在（0，1）范围内），当您对图像进行“平均化”时，您也可能以某种方式在[0，255]范围之上或之下操纵它们。

这通常与您平均图像的方式有关。就我而言，这是因为当我对图像进行平均时，在被零除的情况下，我有一个小的ε。当进行平均时，这会导致值超出[0，255]范围的问题。

解决方案是在将数组变成PIL图像之前，将数组强制设置为[0，255]范围。

我这样做是：

image_array = np.minimum(image_array, np.full(image_array.shape, 255))
image_array = np.maximum(image_array, np.full(image_array.shape, 0))

这会对数组进行两次元素逐个比较，如果值超过255，则将值设置为255，如果值小于0，则将值设置为0。

然后您就可以像以前一样使用生成的image_array并使用Image.fromarray(image_array)将其转换为PIL图像。

您得到的图像应该看起来更像是您在问题中张贴的图像。（实际上，在您的情况下，它应该看上去完全就像您发布的那张精美图片；））