Python 用于图像分类的CNTK评价

我使用CNTK构建了一个图像分类器。图像是灰度的。因此，我将通道数输入为1。因此，模型需要（1x64x64）数据（64是图像的高度和宽度）

问题是，当我试图预测新图像的类别时，它只被视为（64x64）。因此，由于数据不匹配，代码会出错

因此，我使用以下方法重塑了图像：

image\u data=image\u data.reshape（（1，image\u data.shape[0]，image\u data.shape[1]））

---

这就产生了（1x64x64）-这是有效的。虽然我选择的每一幅图像的预测结果都是一样的。我不知道是不是因为这种重塑。有人能插话吗？谢谢

重塑输入不会影响模型的输出。如果它只是为每个图像预测一个类，那么模型训练就是一个问题。我建议你尝试预测你的训练数据，看看它是否只预测训练数据上的一个课程。如果是这样的话，这肯定是一个模型培训问题。

说得好！我就这么做了。训练预测也是一样的。我在训练的某个地方搞砸了，但我似乎不明白！尝试一下网站上的一些想法，看看是否有帮助。它提出了许多学习问题的常见原因。