Question

我刚刚在python3.6上安装了autokeras。修复一些错误后，它可以很好地工作，我可以使用数据集训练模型。训练后，我得到一个模型，精度为0.991，损失为0.06。借助预测功能，它几乎可以毫无故障地对我的测试数据集进行分类。但是，当我导出并将其另存为keras模型时，该模型的性能确实很差。它将所有内容错误地分类，并且预测函数仅返回随机的小数，而不返回预期类的编号。我想我只是缺少一些命令，因为图像分类器工作良好。任何帮助或提示都将非常好。

编辑：我基本上遵循https://autokeras.com/start/上的示例。我将数据预处理为形状（n，150、150、3），范围在0到1之间。每个图像的代码如下：

img='/home/example_image.png'
x=image.img_to_array(image.load_img(img, target_size=(150, 150)))
x=x.reshape(1, 150, 150, 3)
x = x.astype('float32') / 255

我也尝试使用50x50形状的图像，因为autokeras似乎在较小形状下效果更好。我的标签是长度为n的列表。然后，我使用网站上的代码：

clf = ImageClassifier(verbose=True)
clf.fit(x_train, y_train, time_limit=12 * 60 * 60)
clf.final_fit(x_train, y_train, x_test, y_test, retrain=True)
y = clf.evaluate(x_test, y_test)
print(y)

它返回了一个非常好的模型，具有很高的准确性和很小的损失。我无法显示输出的屏幕截图，因为我目前在家里，而我的笔记本电脑太虚弱，无法重现此问题。当我使用以下命令时：

clf.predict(example_img)

我还得到了图像中对象数量正确的结果。当我尝试使用他们网站上给出的命令导出模型时，我的问题就开始了：

from autokeras import ImageClassifier
clf = ImageClassifier(verbose=True, augment=False)
clf.load_searcher().load_best_model().produce_keras_model().save('my_model.h5')

此后，我加载模型。

import keras
from keras.models import load_model
model = load_model('my_model.h5')

它给了我一些错误：

“ UserWarning：在保存文件中找不到训练配置：模型尚未编译。请手动编译。 warnings.warn（'在保存文件中找不到训练配置：'“

我搜索了它，但人们说忽略它。但是，当我尝试在此加载的模型中使用预测时，我总是会得到一些随机十进制值的数组，这些值通常为负数。分类总是错误的，因为此数组中的最大值是针对错误的类。

当我再次使用ML计算机在办公室时，我将使用更多屏幕截图和详细信息来编辑此文本。

编辑2：当我训练模型时，这是最好的模型：

+--------------------------------------------------------------------------+
|    Father Model ID     |                 Added Operation                 |
+--------------------------------------------------------------------------+
|                        |           ('to_add_skip_model', 1, 5)           |
|                        |            ('to_wider_model', 1, 64)            |
|                        |            ('to_wider_model', 5, 64)            |
|           5            |          ('to_conv_deeper_model', 9, 3)         |
|                        |         ('to_conv_deeper_model', 23, 3)         |
|                        |          ('to_concat_skip_model', 5, 9)         |
+--------------------------------------------------------------------------+

Saving model.
+--------------------------------------------------------------------------+
|        Model ID        |          Loss          |      Metric Value      |
+--------------------------------------------------------------------------+
|           6            |  0.014135746611282229  |          1.0           |
+--------------------------------------------------------------------------+

之后，我使用final_fit并尝试了预报功能：

>>> clf.predict(test_images)
array([ 0.,  0.,  0., ..., 12., 12., 12.])

这是预期的输出。评估也给出了良好的结果：

>>> y = clf.evaluate(test_images, test_labels)
>>> print(y)
0.9969230769230769

然后将模型导出为keras模型并再次加载：

>>> from keras import models
>>> clf.load_searcher().load_best_model().produce_keras_model().save('keras_best_model.h5')
>>> model = models.load_model('keras_best_model.h5')

一切都很好，我也没有任何错误。但是当我现在使用predict_function时，它将返回错误的结果：

>>> model.predict(test_images[0].reshape(1, 50, 50, 3))
array([[ 2.5287893, -2.2281592, -2.8172228,  1.1171696, -5.8477755,
        -3.1250796,  1.4904132,  1.1068834, -4.982565 , -1.6350467,
        -4.3806715, -2.7464929, -6.1051216]], dtype=float32)

所以clf.predict给我一个数字，而model.predict给我一个数组。不应该一样吗？几乎所有的预测都是错误的。当我评估模型时，这是输出：

>>> model.evaluate(test_images, test_labels1)
2600/2600 [==============================] - 1s 569us/step
[5.251570468682509, 0.10115384615384615]

与clf评估相比，这完全不好，我也不知道为什么。

Answer 1

在新版本（0.3.6）中，看来

clf.load_searcher().load_best_model().produce_keras_model().save('keras_best_model.h5')

已删除。目前，您可以使用“ autokeras.utils.pickle_to_file”进行保存，并可以使用“ autokeras.utils.pickle_from_file”加载模型。这不是通常的keras模型，但是我们可以获得相同的结果。

Autokeras导出的模型表现不理想

1 个答案: