Python 使用Keras构建了一个模型，该模型报告了良好的准确性，但可以'；我不能上班

我已经使用Keras/Tensorflow构建了一个神经网络模型，该模型在构建时报告了良好的训练和验证精度（90%-ish）（使用“fit_generator”），并使用测试集上的“evaluate_generator”功能报告了类似的精度。但当我尝试使用该模型生成预测时，无论是使用“predict_generator”还是手动生成单个文件，它都会为每个预测提供“0”的答案。代码如下。我没有经验，非常感谢您的指导。谢谢

from keras.preprocessing.image import img_to_array, load_img, ImageDataGenerator
from keras.models import load_model
import glob, sys
import numpy as np

myModel = load_model("Gender.h5")
dataGenerator = ImageDataGenerator()
testGen = dataGenerator.flow_from_directory("newData\\A1\\test",target_size=(218,178),
    batch_size=32, class_mode='binary',shuffle=False,color_mode="rgb")
testGen.reset()
print("Test Set Accuracy: %0.1f%%"%(100*myModel.evaluate_generator(testGen)[1]))
testGen.reset()
testPredictions = myModel.predict_generator(testGen)
predictedClassIndices=np.argmax(testPredictions,axis=1)
filenames = testGen.filenames
for f in range(len(filenames)):
    print(filenames[f],":",predictedClassIndices[f])

---

这种情况的一种可能性是，您的类可能是不平衡的。如果是这种情况，您可以尝试：

• 重新平衡数据集：对频率较低的类进行上采样或对频率较高的类进行下采样
• 调整班级权重：通过为不太频繁的班级设置更高的班级权重，你将促进你的网络培训，以便将更多注意力放在抽样较少的班级上
• 增加培训时间：在许多情况下，经过较长的培训时间后，网络开始将更多精力集中在频率较低的课程上

其他可能性=>如果您的

数据集

是平衡的，那么，当您将类分配给

测试预测

结果时，最后一步就是问题所在。

argmax

方法返回轴上最大值的索引

在这种情况下，它总是0，因为沿着

轴=1

我们只有一个元素（

，索引为0

）

由于您正在执行

二进制分类

，因此应用

0.5

概率阈值

来分配

类

。其代码如下所示：

predictedClassIndices = testPredictions > 0.5

for idx, filename in enumerate(filenames):
    print(filename,":",predictedClassIndices[idx])

female/female.1546.jpg : [False]
female/female.1547.jpg : [ True]
female/female.1548.jpg : [False]
female/female.1549.jpg : [False]
female/female.1550.jpg : [False]
female/female.1566.jpg : [False]
female/female.1593.jpg : [ True]
female/female.1594.jpg : [False]
male/male.1514.jpg : [ True]
male/male.1520.jpg : [False]
male/male.1525.jpg : [False]
male/male.1551.jpg : [ True]
male/male.1555.jpg : [False]
male/male.1574.jpg : [ True]
male/male.1594.jpg : [ True]
male/male.1597.jpg : [ True]
male/male.1599.jpg : [ True]

然后输出将是

True

和

False

，其中False表示标签的

值=0（女性）

和True表示标签的

值=1（男性）

，或者可以是其他方式，如下所示：

predictedClassIndices = testPredictions > 0.5

for idx, filename in enumerate(filenames):
    print(filename,":",predictedClassIndices[idx])

female/female.1546.jpg : [False]
female/female.1547.jpg : [ True]
female/female.1548.jpg : [False]
female/female.1549.jpg : [False]
female/female.1550.jpg : [False]
female/female.1566.jpg : [False]
female/female.1593.jpg : [ True]
female/female.1594.jpg : [False]
male/male.1514.jpg : [ True]
male/male.1520.jpg : [False]
male/male.1525.jpg : [False]
male/male.1551.jpg : [ True]
male/male.1555.jpg : [False]
male/male.1574.jpg : [ True]
male/male.1594.jpg : [ True]
male/male.1597.jpg : [ True]
male/male.1599.jpg : [ True]

---

希望这有帮助。学习愉快

这可能是因为在得到零的地方缺少缩放。 尝试使用myModel.predict（data）测试此操作，其中数据是图像数组。如果未对图像阵列应用缩放，则结果可能为零。如果您选择myModel.predict（数据/255）， 您应该使用

ImageDataGenerator（rescale=1/255）

获得您最初拥有的内容，其中缩放设置为参数

---

如果你解决了这个问题，请让我知道，为我迟到道歉：-）

发布

myModel.summary（）

结果。