Neural network 如何用异常图像测试卷积神经网络代码？

我是深度学习（CNN）的初学者。我用这段代码：（）来学习更多关于卷积神经网络的知识。这段python代码只是将数据分成“训练”和“测试”两部分，代码中没有验证部分那么，如何将验证文件夹添加到包含正常和异常等不同图像的代码中？ 我的目标是：

---

向代码提供一个异常图像（该图像与机器之前训练过的训练图像和测试图像完全不同），以查看不同的结果。

根据代码，“测试”集用作验证。您之所以知道这一点，是因为模型“适合”测试集，即您有：

model.fit(...validation_data=(X_test, Y_test)

这只是命名法，但可能会令人困惑。在训练过程中，模型永远看不到真实的测试集。您需要从培训中“保留”一个额外的数据集，并正确命名数组。假设您希望测试集占培训数据的10%，简单地说：

# Split your data into train/validation
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=4)

# Split into train/test
X_train, X_test, y_train, y_test = train_test_split(X_train, y_train, test_size=0.1, random_state=4)

...more code

# Train you model
model.fit(...validation_data=(X_val, Y_val)

...more code

# Now evaluate on the test data
score = model.evaluate(X_test, Y_test, show_accuracy=True)

---

谢谢，它可以帮我