Question

我是深度学习领域的新手，我试图训练图像分类模型。我使用了预先训练的模型（ResNet50），并添加了自己的图层。我用于训练的数据集每个班级包含约1000张图像，我将其分为训练和测试集。我的问题是，如果我用model.evaluate(test_set_generator)评估模型，我的准确性约为90％

如果我加载图片并使用model.predict(img)进行预测，则结果始终是同一类

我的发电机：

img_height = 128
img_width = 128

train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)


train_generator = train_datagen.flow_from_directory(
    data_dir_path,
    target_size=(img_height, img_width),
    batch_size=16,
    shuffle=True,
    class_mode='categorical')

validation_generator = test_datagen.flow_from_directory(
    test_dir_path,
    target_size=(img_height, img_width),
    batch_size=16,
    class_mode='categorical')

我的模特：

    base_model = tf.keras.applications.ResNet50(input_shape=(img_height,img_width,3),
                                                   include_top=False,
                                                   weights='imagenet')
    prediction_layer = tf.keras.layers.Dense(5)

    model = models.Sequential()
    model.add(base_model)
    model.add(tf.keras.layers.GlobalAveragePooling2D())
    model.add(prediction_layer)

    base_learning_rate = 0.0005
    model.compile(optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),
                  loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
                  metrics=['accuracy'])

我如何加载图像：

test_image = image.load_img(path_to_image, target_size=(128, 128))
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis=0)

我试图从测试集中加载并预测每个图像，但我总是得到相同的结果（这是一个很小的输出，但每个输出或多或少看起来都是相同的）：

 [[ -38774.88  -228962.86    20932.826 -169404.3   -265980.06 ]]
 [[ -54851.016 -320424.4     31585.99  -236997.28  -374307.2  ]]
 [[ -36518.344 -212326.48    18832.361 -156810.19  -244721.2  ]]
 [[ -31010.965 -196458.73    19816.562 -146228.39  -230922.06 ]]
 [[ -37712.95  -222710.1     19780.334 -164643.36  -256392.48 ]]

我不明白为什么评估会得到正确的结果而预测却没有。我用model.predict(test_set_generator)预测了test_set_generator，结果对我来说看起来不错。结果并不总是相同的。

我试图更改学习率，更多层，一个辍学层，每个时期不同的时期和步骤数量，不同的预训练模型和不同的批次大小。

感谢您的任何建议

Answer 1

您的模型期望图像值在（0，1）范围内。

尝试：

test_image = image.load_img(path_to_image, target_size=(128, 128))
test_image = image.img_to_array(test_image) / 255  # < - division by 255
test_image = np.expand_dims(test_image, axis=0)

Answer 2

您的代码中有两个错误：

首先，当您调用没有激活参数的Dense层时，默认情况下将是linear激活，在多类问题中，我们希望进行softmax激活

prediction_layer = tf.keras.layers.Dense(5, activation = "softmax")

第二，损失，您正在使用binary_crossentropy，这是用于二进制分类的损失，但是在这里，我们再次遇到多类问题，因此您需要使用categorical_crossentropy损失

model.compile(optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),
                  loss=tf.keras.losses.CategoricalCrossentropy(),
                  metrics=['accuracy'])

Keras模型预测相同的班级

2 个答案: