Python Keras密集输出不是从0到1
对不起,这个愚蠢的问题。 我试着运行Tensorflow()中的图像分类教程,在训练网络之后,我试着进行预测 根据在线指南,我发现我必须将最后一层Python Keras密集输出不是从0到1,python,tensorflow,keras,neural-network,Python,Tensorflow,Keras,Neural Network,对不起,这个愚蠢的问题。 我试着运行Tensorflow()中的图像分类教程,在训练网络之后,我试着进行预测 根据在线指南,我发现我必须将最后一层densite(1)修改为densite(1,激活='sigmoid'),但结果不受0到1的限制,而是数千个,正和负 我错在哪里 谢谢 编辑: 这就是我要训练的模型 model=Sequential([ Conv2D(16,3,padding='same',activation='relu',input_shape=(IMG_高度,IMG_宽度,3))
densite(1)
修改为densite(1,激活='sigmoid')
,但结果不受0到1的限制,而是数千个,正和负
我错在哪里
谢谢
编辑:
这就是我要训练的模型
model=Sequential([
Conv2D(16,3,padding='same',activation='relu',input_shape=(IMG_高度,IMG_宽度,3)),
MaxPoolig2D(),
Conv2D(32,3,padding='same',activation='relu'),
MaxPoolig2D(),
Conv2D(64,3,padding='same',activation='relu'),
MaxPoolig2D(),
展平(),
稠密(512,活化='relu'),
密集型(1,激活='sigmoid')
])
这是一个预测的结果:
img=Image.open(“D:\\Downloads\\mask-datasets-v1\\mask\u datasets\\Train\\mask\\1.PNG”)。转换('RGB')。调整大小(大小=(img\u高度,img\u宽度))
img_数组=(np.expand_dims(img,0))
img_array.shape
模型预测(img_阵列)
数组([-4602.1157]],dtype=float32)
使用示例图像运行代码时,我得到了正确的结果-正如我在输出层中激活sigmoid所期望的那样
你忘记编译你的模型了吗?
因此,您的模型可能仍在预测您的模型的一个弃用版本,该版本的输出层中还没有sigmoid激活。使用示例图像运行代码时,我得到了正确的结果-正如我期望在输出层中有sigmoid激活一样 你忘记编译你的模型了吗?
因此,您的模型可能仍在预测您的模型的一个弃用版本,该版本的输出层中还没有sigmoid激活。如果没有看到您的代码,很难说。您能否提供您的代码的最低示例?如果没有看到您的代码,很难说您的编译代码在哪里。您能否提供您的代码的最低示例代码?你的编译代码在哪里