用于图像分类的 CNTK 评估

Posted 2023-03-12

【中文标题】用于图像分类的 CNTK 评估

【英文标题】：CNTK evaluation for image classification

【发布时间】：2018-12-12 02:32:08

【问题描述】：

我使用 CNTK 构建了一个图像分类器。图像是灰度的。因此，我输入的通道数为1。因此，模型需要（1x64x64）数据（64是图像的高度和宽度）。

问题是，当我尝试预测新图像的类别时，它只被视为 (64x64)。因此，由于数据不匹配导致代码错误。

因此，我使用以下方法重塑图像：

image_data = image_data.reshape((1, image_data.shape[0], image_data.shape[1]))

这产生了 (1x64x64) - 有效。尽管对于我选择的每张图像，预测都是相同的。我想知道是不是因为这种重塑。有人可以插话吗？谢谢！

【参考方案1】：

重塑您的输入不会影响模型的输出。如果它只为每张图像预测一个类别，那么这是模型训练的问题。我建议您尝试预测您的训练数据，看看它是否只预测训练数据上的一类。如果是这样，那肯定是模型训练的问题。

【讨论】：

好点！我已经做了。训练预测也是一样的。我在训练的某个地方搞砸了，但我似乎无法弄清楚！

在this link 尝试一些想法，看看是否有帮助。它提出了许多导致学习问题的常见原因。