Question

最近几个小时，我一直在尝试制作我的第一个图像分类模型。为此，我使用了Image classification from scratch教程。当我按照这些步骤操作时，我设法达到了教程的结尾。

与教程中的代码相比，我唯一的区别是：

为了使训练过程更快，我将纪元数从50更改为10，
我从make_model函数（一行代码）中删除了图像增强块。

现在，我要解决我的问题了。最后，当我尝试再次获得相同数据和相同模型的预测结果时，结果是不同的。看一下这个简单的代码：

>>> for i in range(5):
...     predictions = model.predict(val_ds)
...     predictions_list = [round(pred[0], 3) for pred in predictions]
...     print(predictions_list[:10])

和结果：

[0.937, 0.905, 1.0, 0.094, 0.021, 0.095, 0.07, 0.006, 1.0, 1.0]
[0.905, 1.0, 1.0, 1.0, 1.0, 1.0, 0.122, 1.0, 1.0, 0.0]
[0.996, 0.003, 1.0, 0.887, 1.0, 1.0, 0.798, 1.0, 1.0, 1.0]
[1.0, 1.0, 0.819, 0.999, 1.0, 0.887, 0.087, 1.0, 0.914, 1.0]
[1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 0.916, 0.102]

我认为，只有在我重新训练模型的情况下，结果才会有所不同。但这不是我的情况！我只重新运行.predict()方法。所以，我的问题是-您能帮我吗，我做错了吗？我想念什么吗？

Answer 1

能否请您尝试以下代码？

>>> val_item = val_ds.take(1)
>>> for i in range(5):
...     predictions = model.predict(val_item)
...     predictions_list = [round(pred[0], 3) for pred in predictions]
...     print(predictions_list[:10])

在您的代码中，您使用的是不同的项目，而不是同一项目。您可以通过手动打印val_ds值进行检查。

Answer 2

问题出在读取数据函数tf.keras.preprocessing.image_dataset_from_directory上，该函数将其shuffle参数设置为True。

当我再次重新加载数据并像这样设置shuffle=False时：

>>> val_ds = tf.keras.preprocessing.image_dataset_from_directory(
...     'PetImages',
...     shuffle=False,
...     validation_split=0.2,
...     subset="validation",
...     seed=1337,
...     image_size=image_size,
...     batch_size=batch_size,
... )
>>> for i in range(5):
...     predictions = model.predict(val_ds)
...     predictions_list = [round(pred[0], 3) for pred in predictions]
...     print(predictions_list[:10])

然后结果看起来像我预期的那样：

[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]

Python：Keras模型针对相同的数据和相同的模型返回不同的结果

2 个答案: