CNN - 训练准确度为 1.0，验证准确度为 1.0。预测返回 0.0

Question

我正在尝试使用 206 张图像的训练集和 19 张图像的测试集构建一个 class。

我构建了一个包含 2 个卷积层和一个全连接层的模型。我在全连接中添加了 dropout 以避免过拟合。

在第一个纪元中，损失从 0.02 开始，精度为 0.88。验证精度为 1.00。对于其他 49 个时期，训练和验证准确度保持在 1.00。

为了检查，我尝试使用正确的图像和错误的图像进行预测。两次预测都返回 0.0

我做错了什么？

# Tanjavur Painting Detection

# Part 1 Building CNN
# Importing Keras packages
from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
from keras.layers import Dropout

# Initializing a CNN
classifier = Sequential()

# Adding Convolution Layer
classifier.add(Convolution2D(32, 3,input_shape = (64, 64, 3), activation = 'relu'))

# Pooling
classifier.add(MaxPooling2D(pool_size = 2))

# Additional Convolutional Layer
classifier.add(Convolution2D(32, 3, activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = 2))

# Flattening
classifier.add(Flatten())

# Full Connection
classifier.add(Dense(256, activation = 'relu'))
classifier.add(Dropout(.4))
classifier.add(Dense(1, activation = 'sigmoid'))

# Compile CNN
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

# Part 2 - Fitting Image set to CNN

# IMAGE Preprocessing & then Fitting
from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

training_set = train_datagen.flow_from_directory('Tanjore_Paintings/Tanjavur_Train',
                                            target_size=(64, 64),
                                            batch_size=5,
                                            class_mode='binary')

test_set = test_datagen.flow_from_directory('Tanjore_Paintings/Tanjavur_Test',
                                            target_size=(64, 64),
                                            batch_size=5,
                                            class_mode='binary')
classifier.fit_generator(training_set,
                    steps_per_epoch = 206,
                    epochs = 50,
                    validation_data = test_set,
                    validation_steps = 19)

# Part 3 - Making predictions

import numpy as np
from keras.preprocessing import image
test_image = image.load_img('Tanjore_Paintings/Tanjore_Painting_Test_2.jpg', target_size = (64, 64))
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis = 0)
result = classifier.predict(test_image)
training_set.class_indices
if result[0][0] == 1:
    prediction = 'Yes'
else:
    prediction = 'No'

Answer 1

您的训练和测试数据按 1/255 倍重新缩放。但在预测时，您不会重新缩放图像。尝试按如下方式重新缩放图像。

test_image *= (1/255.0)
result = classifier.predict(test_image)

编辑：

如果训练和测试数据集只有一个 class，那么模型无法将输入 class 化为两个 class。您的预测应基于训练和测试数据 classes（您的预测数据集应来自类似于训练和测试数据集分布的分布）。如果您在训练和测试数据集中有两个 classes，则尝试为其中一个（第一个）分配 0，为其他（第二个）分配 1。然后在预测 classes 时，如果模型预测的数字小于 0.5，则它预测第一个 class，如果模型预测的数字大于或等于 0.5，则模型预测第二个 class

CNN - 训练准确度为 1.0，验证准确度为 1.0。预测返回 0.0

CNN - Training Accuracy is 1.0 and Validation Accuracy is 1.0. Prediction returning 0.0

python

predict

deep-learning

keras

convolutional-neural-network