【发布时间】:2020-08-17 13:59:50
【问题描述】:
我是这个领域的新手,还在学习,如果这被认为是愚蠢的问题,我很抱歉。 所以最近我尝试使用 Python 和 TensorFlow 学习图像分类。我遵循了一些视频的教程。但是我的代码有一些问题,因为当我尝试我的模型时,验证损失往往会增加,而我的验证准确度却一直在波动。当我试图预测我的样本图像时,它一直给我同样的预测。我的数据集中的图像共有 730 张图像。
这是我的预测代码:
import cv2
import tensorflow as tf
CATEGORIES = ["Bike", "Car"]
IMAGE_SIZE = 50
def prepare(filepath):
image_array = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)
image_array = image_array/255.0
new_image_array = cv2.resize(image_array, (IMAGE_SIZE,IMAGE_SIZE))
return new_image_array.reshape(-1, IMAGE_SIZE, IMAGE_SIZE, 1)
model = tf.keras.models.load_model("prototype.model")
prediction = model.predict([prepare('car.jpg')])
print( CATEGORIES[int(prediction[0][0])] )
非常感谢。
【问题讨论】:
-
你是只运行 3 个 epoch 还是仅仅为了这个问题?
-
您好,感谢您的宝贵时间。是的,我只运行了 3 个 epoch。我不知道它是否会影响我的输出。当我尝试运行它 10 个 epoch 时,它具有相同的模式,每 3 个 epoch 之后,我的验证损失往往会增加,而我的验证准确性是另一种方式。我训练的模型的总图像是 730 张图像。
-
我不确定您的图像的复杂性,而且图像的数量似乎也很低,特别是如果有很大的变化,如果可能的话,请添加一个指向您的数据集的链接,如果它们是复杂,2 个卷积层可能还不够。如果合适,问题很可能是超参数。此外,在填写您的数据 arr 时,不要使用
pass和except,至少记录/打印您的异常 -
我的数据集由汽车图像和自行车图像组成。这是我的数据集的链接:drive.google.com/drive/folders/… 我尝试过使用 4 个卷积层,但它一直给我相同的输出。我应该更换通行证吗?
-
这段代码几乎一模一样,我想它应该可以帮助你解决问题:stackoverflow.com/questions/61555205/…
标签: python tensorflow neural-network jupyter-notebook conv-neural-network