Image 为什么我的机器学习图像如此混乱？

我用Keras做机器学习，我的神经网络输出图像

我的数据是标准化的，因此我获取网络的输出并取消标准化，然后使用

Image.fromarray

将其转换为PIL图像，然后显示这些图像

然而，我得到的图像看起来非常混乱。例如，它们看起来像：

或

当他们看起来像

我的损失下降到了相当低的数字，当我查看网络的输出值时，它们似乎是相当正常的

---

为什么这些图像显示得如此混乱？我能做些什么来修复它？

问题是网络的输出不完全在[0255]范围内

即使您在网络的最后一层使用

sigmoid

功能（这将保证您的输出在范围（0，1）内），当您“不可用”图像时，您可能会以某种方式在[0，255]范围之上或之下操纵它们

这通常与平均图像的方式有关。在我的例子中，我认为这是因为当我平均我的图像时，在除以0的情况下，我有一个小ε。当不可用时，这会导致值超出[0255]范围的问题

解决方案是在将数组转换为PIL映像之前，将其强制进入[0255]范围

我是这样做的：

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

这会对数组执行两次元素级比较，如果值超过255，则将其设置为255；如果值低于0，则将其设置为0

然后，您可以使用生成的

image\u数组

，将其转换为具有

image.fromarray（image\u数组）

的PIL图像，就像您一直在做的那样

---

你发布的图片应该更像你在问题中发布的好图片。（事实上，在你的情况下，它应该看起来完全像你发布的那个好形象；）

你在发布一分钟后就回答了自己，哈哈。@MattiaRighetti哈哈，是的，你可以。当有一个bug花了我一些时间才弄明白的时候，我倾向于这样做，如果其他人在互联网上搜索到它时，他们发现了我的解决方案，而不必花所有的时间自己去弄明白，那就太好了。（即使我的解决方案不起作用，也可能在其他方面对他们有所帮助。）只是传播知识：）请注意，这是一个自我回答的问题，所以否决票真的让我很难过。（如果你打算留下一个问题，请告诉我我能做些什么来让这个问题（和答案）变得更好。）