Python keras CNN模型预测良好，但只有一个标签无法预测_Python_Machine Learning_Keras_Conv Neural Network

Python keras CNN模型预测良好，但只有一个标签无法预测

python machine-learning keras

Python keras CNN模型预测良好，但只有一个标签无法预测,python,machine-learning,keras,conv-neural-network,Python,Machine Learning,Keras,Conv Neural Network,在我训练模型预测24个类别的标签后，每个类别使用2800张图像，并拍摄5000张图像进行验证，我运行了一些测试，以查看标签预测的质量，我设计了一个程序来获取文件夹测试中的所有图像，并预测标签所有的类都是好的，除了类19，测试中1000个图像中没有一个预测为19 有人有解决办法吗这是模型架构： model = Sequential() model.add(Conv2D(filters=32, kernel_size=2,padding='same',activation='relu',inpu

在我训练模型预测24个类别的标签后，每个类别使用2800张图像，并拍摄5000张图像进行验证，我运行了一些测试，以查看标签预测的质量，我设计了一个程序来获取文件夹测试中的所有图像，并预测标签所有的类都是好的，除了类19，测试中1000个图像中没有一个预测为19

有人有解决办法吗

这是模型架构：

model = Sequential()

model.add(Conv2D(filters=32, kernel_size=2,padding='same',activation='relu',input_shape=(32,32,1)))

model.add(MaxPooling2D(pool_size=2))


model.add(Conv2D(filters=64, kernel_size=2, padding='same', activation='relu'))

model.add(MaxPooling2D(pool_size=2))

model.add(Flatten())

model.add(Dense(1024, activation='relu'))

model.add(Dropout(0.2))

model.add(Dense(24, activation='softmax'))

model.summary()

这是优化器和培训师：

optimizer = rmsprop(learning_rate=0.0001)

model.compile(loss='categorical_crossentropy',optimizer= optimizer,metrics=['accuracy'])

checkpointer = ModelCheckpoint(filepath='CNN_newData.hdf5',verbose=1,
                               save_best_only=True)
hist = model.fit(x_train,y_train,batch_size=128,epochs=100,
                 validation_data=(x_valid,y_valid),callbacks=[checkpointer],
                 verbose=2,shuffle=True)

这是图像为预测而准备的方式：

  for img in images:

            read_img = cv2.imread('test-images/' + file + '/' + img)
            read_img = cv2.cvtColor(read_img,cv2.COLOR_RGB2GRAY)
            read_img = read_img.reshape( -1,32, 32, 1)
            read_img = read_img.astype('float32')/255
            maxind = model.predict_classes(read_img)

我想你的数据集是平衡的吧
你能上传你的损失/准确度曲线吗
您尝试过其他优化器吗？您的
```
RMSprop
```
learning\u比率低于默认值，且净值相当浅
您是否可以共享这些数据？你至少可以肯定，那里没有矛盾的知识吗

read_img=cv2.imread（'test-images/'+file+'/'+img）

请不要自己动手。一旦将此模型推到基于linux的云上，您就会遇到麻烦。检查

尝试使用默认参数运行
```
adam
```
```
model.add（密集型（1024，activation='relu'））
```
-它相当大，后面只有24个标签。试试更小的，比如240
内核大小看起来很奇怪，conv内核不应该很奇怪吗？尝试内核大小=3
尝试添加一些正则化

我想你的数据集是平衡的吧
你能上传你的损失/准确度曲线吗
您尝试过其他优化器吗？您的
```
RMSprop
```
learning\u比率低于默认值，且净值相当浅
您是否可以共享这些数据？你至少可以肯定，那里没有矛盾的知识吗

尝试使用默认参数运行
```
adam
```
```
model.add（密集型（1024，activation='relu'））
```
-它相当大，后面只有24个标签。试试更小的，比如240
内核大小看起来很奇怪，conv内核不应该很奇怪吗？尝试内核大小=3
尝试添加一些正则化