Python keras CNN模型预测良好,但只有一个标签无法预测
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: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
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
learning\u比率低于默认值,且净值相当浅RMSprop
- 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
-它相当大,后面只有24个标签。试试更小的,比如240model.add(密集型(1024,activation='relu'))
- 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
learning\u比率低于默认值,且净值相当浅RMSprop
- 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
-它相当大,后面只有24个标签。试试更小的,比如240model.add(密集型(1024,activation='relu'))
- 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