为什么我的 CNN 预测数字非常小？

Question

我使用 Tensorflow 创建了一个 CNN 来识别肺炎，有时它会返回一个非常小的数字作为预测。为什么会这样？

I have attached the link for the dataset

这里是我如何处理和加载数据。

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator( rescale = 1.0/255. )
val_datagen  = ImageDataGenerator( rescale = 1.0/255. )
test_datagen = ImageDataGenerator( rescale = 1.0/255. )

train_generator = train_datagen.flow_from_directory('/kaggle/input/chest-xray-pneumonia/chest_xray/chest_xray/train/',
                                                    batch_size=20,
                                                    class_mode='binary',
                                                    target_size=(350, 350)) 

validation_generator =  val_datagen.flow_from_directory('/kaggle/input/chest-xray-pneumonia/chest_xray/chest_xray/val/',
                                                         batch_size=20,
                                                         class_mode  = 'binary',
                                                         target_size = (350, 350))
test_generator = test_datagen.flow_from_directory('/kaggle/input/chest-xray-pneumonia/chest_xray/chest_xray/test/',
                                                         batch_size=20,
                                                         class_mode  = 'binary',
                                                         target_size = (350, 350

这里是模型，编译和拟合函数

import tensorflow as tf

model = tf.keras.models.Sequential([
    # Note the input shape is the desired size of the image 150x150 with 3 bytes color
    tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(350, 350, 3)),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2), 
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'), 
    tf.keras.layers.MaxPooling2D(2,2),
    # Flatten the results to feed into a DNN
    tf.keras.layers.Flatten(), 
    # 512 neuron hidden layer
    tf.keras.layers.Dense(1024, activation='relu'), 
    # Only 1 output neuron. It will contain a value from 0-1 where 0 for 1 class ('cats') and 1 for the other ('dogs')
    tf.keras.layers.Dense(1, activation='sigmoid')  
])

编译模型

from tensorflow.keras.optimizers import RMSprop

model.compile(optimizer=RMSprop(learning_rate=0.001),
              loss='binary_crossentropy',
              metrics = ['accuracy'])

模型拟合

history = model.fit(train_generator,
                              validation_data=validation_generator,
                              steps_per_epoch=200,
                              epochs=2000,
                              validation_steps=200,
                              callbacks=[callbacks],
                              verbose=2)

评估指标如下，损失：0.2351 - 准确率：0.9847

预测显示阴性肺炎的数字非常小，而阳性则显示超过 0.50。

我有两个问题：

1. 为什么我得到一个非常小的数字2.xxxx * 10e-20？

2. 为什么我不能将以下值设为 null？

   val_acc = history.history[ 'val_accuracy' ] 
   val_loss = history.history['val_loss' ]
   

Answer 1

我看到你的代码没有问题，你得到的结果也没有问题。

这是一个二元分类问题（2 类：阳性或阴性肺炎），您的模型的输出是一个神经元，其值介于 0 和 1 之间。

所以如果输出高于 0.5，这意味着肺炎阳性。否则，当你有一个非常小的值时，比如2 * 10e-20，这意味着它是阴性肺炎。

对于您的第二个问题，您不应该仅仅因为模型经过良好训练并且在训练数据上具有 98% 的准确率而将准确率和损失值设为空。