VGG转移学习 - 预测发电机显示与评估发电机不同的结果

Posted 2021-05-04

我建立了一个基于VGG预训练模型的CNN。我对最后一个转换块（＃5）和我添加的完全连接层进行了微调。我的分类问题有4个类，我的最后一个激活层是'softmax'，我使用'sparse_categorical_crossentropy'作为我的损失函数。当我创建我的train / valid生成器时，我正在使用class_mode（'sparse'）。因此，我适合我的模型，在2个时期后，我的验证数据集的准确率达到92％。我遇到的问题是，当我检查predict_generator以查看我的验证集上的预测时，准确度大约为73真预测/（73 + 161错误预测）= 0.31％，但是model.evaluate_generator（validation_generator）有91％准确性。

train_datagen = ImageDataGenerator(rescale=1./255)

test_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
        path_data_train,
        target_size=(img_width, img_height),
        batch_size=16,
        class_mode="sparse")

validation_generator = test_datagen.flow_from_directory(
        path_data_valid,
        target_size=(img_width, img_height),
        batch_size=16,
        class_mode="sparse")

nb_train_samples = 1874
nb_validation_samples = 234
epochs = 10
batch_size = 16

history = model.fit_generator(
        train_generator,
        steps_per_epoch=nb_train_samples // batch_size,
        epochs=epochs,
        validation_data=validation_generator,
        validation_steps=nb_validation_samples // batch_size,
        callbacks = [checkpointer])

Epoch 1/10
117/117 [==============================] - 42s 356ms/step - loss: 0.0850 - acc: 0.9690 - val_loss: 0.4173 - val_acc: 0.9062
Epoch 2/10
117/117 [==============================] - 42s 360ms/step - loss: 0.0690 - acc: 0.9765 - val_loss: 0.4423 - val_acc: 0.894

print (model.metrics_names)
model.evaluate_generator(validation_generator)
['loss', 'acc']
[0.39189313988909763, 0.9059829049640231]

preds = model.predict_generator(validation_generator)

任何帮助表示赞赏。

答案

如果以后有人遇到同样的问题，我会发布答案。您需要在验证生成器中设置Shuffle = False。

validation_generator = test_datagen.flow_from_directory(
        path_data_valid,
        target_size=(img_width, img_height),
        batch_size=16,
        class_mode="sparse", shuffle = False)