用keras寻找线性回归预测

我训练了一个线性回归模型（带有线性回归输出的CNN）。我的输入是图像，输出是概率。现在，我想拍摄另一张图像（与我的测试集不同），并将其推送到我的网络中以获得概率

我加载模型、权重和图像，并将其重塑为4D张量，然后按如下方式运行预测：

json_file = open('/home/model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()

loaded_model = model_from_json(loaded_model_json)
loaded_model.load_weights("/home/weights.h5")
loaded_model.compile(loss='mean_squared_error', optimizer=OPTIMISER, metrics=['mean_absolute_error'])

img = (ndimage.imread(img).astype(float) - pixel_depth / 2) / pixel_depth
img = img.reshape(1, 128, 128, 1).astype('float32')
out = loaded_model.predict(img)

我得到的值为7.35-但我的网络在测试集上的执行范围为0.4（这对于我所需要的很好）。我期望值为~1。我是否使用了正确的程序

不知道要回去多远才能找到bug

编辑：图像的直方图图

---

事实证明，我得到了我所需要的东西。该预测是基于网络正在拾取的方向变化，因为现在不是问题的障碍物（3D环境中的物理障碍物）使其成为可能。起初，我以为我在试图找到一个类似的预测值，但结果证明这更好

---

学习：这种结构方式对于使用keras寻找线性预测是正确的

结果是我得到了我所需要的东西。该预测是基于网络正在拾取的方向变化，因为现在不是问题的障碍物（3D环境中的物理障碍物）使其成为可能。起初，我以为我在试图找到一个类似的预测值，但结果证明这更好

---

学习：这种结构方式对于使用keras寻找线性预测是正确的

您是否在训练时对图像进行了标准化？@MarcinMożejko YesAnd while prediction-您是否使用相同的函数对其进行了标准化？@MarcinMożejko Yes。您是否可以绘制测试集和训练集的扁平示例的直方图？您是否在训练时对图像进行了标准化？@MarcinMożejko YesAnd while prediction-您是否对其进行了标准化使用相同的函数？@MarcinMożejko是的。你能从测试集和训练集绘制扁平化示例的直方图吗？