Python Keras+；mnist+；测试自己的图像。坏预测

通过测试mnist自己的测试图像，它工作得很好，但只要我使用来自mnist外部的图像，它就预测错了。我甚至试图从mnist数据集中复制一幅图像，但它仍然无法预测正确的数字（即使在mnist数据集中，完全相同的图像是可以预测的）

有人能看出我做错了什么吗？我猜这是图像的尺寸或形状

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Dropout, Flatten, MaxPooling2D
import cv2 as cv

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
x_test = x_test.reshape(x_test.shape[0], 28, 28, 1)
input_shape = (28, 28, 1)
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
# Normalizing the RGB codes by dividing it to the max RGB value.
x_train /= 255
x_test /= 255

# -------------------------- CREATE MODEL ------------------------------
'''
model = Sequential()
model.add(Conv2D(28, kernel_size=(3,3), input_shape=input_shape))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten()) # Flattening the 2D arrays for fully connected layers
model.add(Dense(128, activation=tf.nn.relu))
model.add(Dropout(0.2))
model.add(Dense(10,activation=tf.nn.softmax))

# ----------------------------------------------------------------------

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(x=x_train,y=y_train, epochs=1)

# ----------------------------------------------------------------------
'''
model = tf.keras.models.load_model("C:/Users/A551110/PycharmProjects/keras_mnist/venv/mnistv2.model")
file = "C:/Users/A551110/Documents/images/7.png"
model.evaluate(x_test, y_test)

image = cv.imread(file, cv.IMREAD_GRAYSCALE)
image = cv.resize(image, (28,28))
image = 255-image          #inverts image. Always gets read inverted.

plt.imshow(image.reshape(28, 28),cmap='Greys')
plt.show()
pred = model.predict(image.reshape(1, 28, 28, 1), batch_size=1)

print(pred.argmax())

我已经尝试了

pred=model.predict（image.reformate（1,28,28,1））

以及

pred=model.predict_类（image.reformate（1,28,28,1））

一些猜测

1） 你规范化了你的训练和测试数据。我想你可能忘了在做预测之前规范化你的输入数据

x_train /= 255
x_test /= 255

2） 您是否已验证模型已正确加载？保存和加载后，验证它在测试集上是否仍执行相同的操作。如果结果不好，则表明未正确加载权重

---

3） 是否对

tf.keras.datasets.mnist.load_data（）

提供的数据集进行了任何预处理（您自己的规范化之外）？如果是这样的话，您必须在推断之前使用相同的转换预处理您自己的输入数据。我没有用这段代码得到正确的规范化值

image = cv.imread(file, cv.IMREAD_GRAYSCALE)
image = cv.resize(image, (28,28))
image = 255-image     

相反，我必须用底部的除法（这里是底部）来纠正它，在之前的尝试中，我错误地将除法放在image=255图像之前。这是其中一个错误，加上缺少将类型铸造到float32的功能，这使得规范化成为可能，以及在两者之间的重塑

image = cv.imread(file, cv.IMREAD_GRAYSCALE)
image = cv.resize(file, (28, 28))
image = image.astype('float32')
image = image.reshape(1, 28, 28, 1)
image = 255-image
image /= 255

---

2） 当在mnist数据集上测试时（当得到正确的预测时），模型的加载方式完全相同，因此我不认为权重加载错误。3） 不太确定。根据尺寸不同，可从列车上进行样品测试。我不知道这是不是说在某种程度上进行了预处理。如果你在训练结束时打印一些重量，在加载后它们是一样的吗？

import cv2
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np

y=cv2.imread("/content/download.png")   #image outside mnist data
y1=cv2.resize(y,(28,28))                #you need to resize it on the bsis pf your  modeL's image shape
plt.imshow(y1)

temp = cv2.cvtColor(y1,cv2.COLOR_BGR2YCrCb)  #since its a three channel image i hav econverted into this so rbg are represented in the luminance one 
temp=255-temp                                #negative image
plt.imshow(temp)

print(temp.shape)

Y = np.zeros((temp.shape[0], temp.shape[1],1), dtype=float)    #array of (28,28,1)
Y[:,:,0] = temp[:, :,0].astype(float) / 255           #fitting the data of temp image in that zeros and normalizing it
yh= model.predict_classes(Y.reshape(1,28,28,1))       #finally the value of image
yh