错误的模型预测
Posted
技术标签:
【中文标题】错误的模型预测【英文标题】:Wrong model prediction 【发布时间】:2019-05-24 15:12:08 【问题描述】:我有一个二元分类问题。我想检测图像上的雨滴。我训练了一个简单的模型,但我的预测并不好。我想要一个介于 0 和 1 之间的预测。
对于我的第一次尝试,我对所有层都使用了 relu,并接受了最终结果(我使用了 softmax)。作为优化器,我使用了 binary_crossentropy 并将其更改为 categorical_crossentropy。他们两个都没有工作。
opt = Adam(lr=LEARNING_RATE, decay=LEARNING_RATE / EPOCHS)
cnNetwork.compile(loss='categorical_crossentropy',
optimizer=optimizers.RMSprop(lr=lr),
metrics=['accuracy'])
inputShape = (height, width, depth)
# if we are using "channels first", update the input shape
if K.image_data_format() == "channels_first":
inputShape = (depth, height, width)
# First layer is a convolution with 20 functions and a kernel size of 5x5 (2 neighbor pixels on each side)
model.add(Conv2D(20, (5, 5), padding="same",
input_shape=inputShape))
# our activation function is ReLU (Rectifier Linear Units)
model.add(Activation("relu"))
# second layer is maxpooling 2x2 that reduces our image resolution by half
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
# Third Layer - Convolution, twice the size of the first convoltion
model.add(Conv2D(40, (5, 5), padding="same"))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
# Fifth Layer is Full connected flattened layer that makes our 3D images into 1D arrays
model.add(Flatten())
model.add(Dense(500))
model.add(Activation("relu"))
# softmax classifier
model.add(Dense(classes))
model.add(Activation("softmax"))
我预计头等舱的 ex.1 和第二等舱的 0.9。结果,我得到 1,1.3987518e-35。主要问题是我总是得到 1 作为预测。
【问题讨论】:
【参考方案1】:你应该使用 binary_crossentropy 并且你得到的输出没有错。输出 1 , 1.3987518e-35 表示第一类的概率几乎为 1,第二类的概率非常接近 0 (1e-35)。
【讨论】:
但 1.3987518e-35 = −31.1977984 我不知道你是怎么得到 -31 的。 1.3987518e-35 表示 1 , 1.3987518 * 10^-35 graphpad.com/support/faq/… 神经网络如何 100% 确定它是 1?是不是不可能? @KyrKalash 您的预测非常接近 1 的原因有很多。其中一个原因是您可能在小型数据集上过度拟合以上是关于错误的模型预测的主要内容,如果未能解决你的问题,请参考以下文章
错误! coreML 模型对图像的预测是错误的,对视频是正确的