Question

我正在尝试建立一个神经网络来识别并生成与图像中的字符（a-z，A-Z，0-9）相对应的字符串。

我的训练/测试图像/标签都是numpy数组。 62个字符类别中的每个字符都有1016张图像。因此，图像总数为62992。我选择了数据集的75％作为训练数据。最初，训练/测试标签是字符本身，但是却给我带来了价值错误（例如：将字符串转换为浮点数时出错） 'b'），所以我将int（ord（x））映射到标签上。我的训练/测试数据在numpy数组中的格式如下：

train＆test_images.shape（x，128,128），例如：128x128图片大小
值：

train＆test_images（0：1016,128,128）对应所有'0'

。

train＆test_images（61976：，128,128）对应于所有'z'

所有图像的值均已标准化（x / 255）
这些图像与尺寸/对应于正确的火车和测试标签索引相匹配。

我的问题是，当我训练该模型时，我的精确度保持在0％，并且损失了nan（参见代码）

from Char74k import Char74kFntDataSet
import numpy as np
import tensorflow as tf
from tensorflow import keras

a=Char74kFntDataSet()


model = keras.Sequential([
    keras.layers.Flatten(input_shape=(128, 128)),
    keras.layers.Dense(120, activation=tf.nn.relu),
    keras.layers.Dense(62, activation=tf.nn.softmax)
])

model.compile(optimizer=tf.train.AdamOptimizer(),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(a.train_images, a.train_labels, epochs=2)

我的数据集是否可能不够大？还是存在一些简单的错误（非理想参数，可能的不正确/非理想数据输入等）或我应该使用的其他特定模型用而不是这个？

以下命令行摘要显示了0％的准确性：

Epoch 1/2
47244/47244 [==============================] - 43s 908us/step - loss: nan - acc: 0.0000e+00
Epoch 2/2
47244/47244 [==============================] - 28s 587us/step - loss: nan - acc: 0.0000e+00
15748/15748 [==============================] - 12s 749us/step
Test accuracy: 0.0

来自图像模型的字符识别仍保持0％的精度和不损失的

0 个答案: