训练 CNN 的结果看似不错，但测试时效果不佳

Question

我已经训练了一个对货币进行分类的 cnn 模型。在训练结束时，该模型似乎在训练和验证数据集方面表现得非常好。最终准确度为：

Epoch 00020: saving model to model_weights.h5
112/112 [==============================] - 243s 2s/step - loss: 0.3176 - accuracy: 0.8881 - val_loss: 0.3223 - val_accuracy: 0.9014

训练准确率为 88.81%，验证准确率为 90.14%。 但是当测试时间到来时，该模型的表现很糟糕。它甚至无法对单个正确的图像进行分类。对于每张图片，预测结果是：

[0. 0. 0. 0. 0. 0. 0. 1.]

有 8 节课。对于每张图像，只有这个是预测的。我使用的代码是用于测试的代码，是我从 Coursera 的 Tensorflow 专业复制的代码。目标大小也是正确的。

for fn in uploaded.keys():
  path = fn
  img = image.load_img(path, target_size=(150, 150))
  x = image.img_to_array(img)
  x = np.expand_dims(x, axis=0)

  images = np.vstack([x])
  print (images.shape)
  classes = model.predict(images, batch_size=10)
  print(fn)
  print(classes.squeeze())

结果数组应该是有序的：

['10', '100', '20', '200', '2000', '50', '500', 'Background']

根据模型，它正在对所有图像“背景”进行分类。

以下是我在测试期间使用的一些图片： 谁能帮我解释为什么会这样。这将不胜感激。 附言这些是印度货币。

Answer 1

确保您对用于训练的图像进行的任何处理也对用于测试的图像进行。例如，对于训练图像，您是否使用 img=img/255 重新缩放它们。这通常是您训练图像时所做的。如果您确实对训练图像进行了重新缩放，则必须对测试图像进​​行相同的重新缩放。