使用 Keras 构建了一个模型，该模型报告了良好的准确性，但随后无法进行预测

Posted 2023-02-23

【中文标题】使用 Keras 构建了一个模型，该模型报告了良好的准确性，但随后无法进行预测

【英文标题】：Built a model using Keras that reports good accuracy, but then can't get predict to work

【发布时间】：2020-04-21 04:11:42

【问题描述】：

我使用 Keras/Tensorflow 构建了一个神经网络模型，该模型在构建时（使用“fit_generator”）报告了良好的训练和验证准确度（90%-ish），并在测试集上使用“evaluate_generator”函数报告了类似的准确度.但是，当我尝试使用该模型生成预测时，无论是使用“predict_generator”还是手动生成单个文件，它都会为每个预测给出“0”的答案。代码如下。我非常缺乏经验，非常感谢指导。谢谢。

from keras.preprocessing.image import img_to_array, load_img, ImageDataGenerator
from keras.models import load_model
import glob, sys
import numpy as np

myModel = load_model("Gender.h5")
dataGenerator = ImageDataGenerator()
testGen = dataGenerator.flow_from_directory("newData\\A1\\test",target_size=(218,178),
    batch_size=32, class_mode='binary',shuffle=False,color_mode="rgb")
testGen.reset()
print("Test Set Accuracy: %0.1f%%"%(100*myModel.evaluate_generator(testGen)[1]))
testGen.reset()
testPredictions = myModel.predict_generator(testGen)
predictedClassIndices=np.argmax(testPredictions,axis=1)
filenames = testGen.filenames
for f in range(len(filenames)):
    print(filenames[f],":",predictedClassIndices[f])

【问题讨论】：

发布myModel.summary() 结果。

【参考方案1】：

这种情况的一种可能性是您的类可能是Imbalanced。如果是这样的话，你可以试试：

重新平衡您的数据集：通过对频率较低的类别进行上采样或对频率较高的类别进行下采样。 调整班级权重：通过为频率较低的班级设置较高的班级权重，您将促进网络训练，从而将更多注意力放在下采样班级上。 增加训练时间：在许多情况下 - 经过较长时间的训练后，网络开始更多地关注频率较低的课程。

其他可能性 => 如果您的 Dataset 是 Balanced，那么当您将类分配给 testPredictions 结果时，这里的问题出在 最后一步 . argmax 方法返回 the indices of the maximum values along an axis。

在这种情况下，它始终为 0，因为沿 axis=1 我们只有一个元素 (with index 0)。

由于您正在执行binary classification，因此应用0.5 probability threshold 分配classes 是最有意义的。相同的代码如下所示：

predictedClassIndices = testPredictions > 0.5

for idx, filename in enumerate(filenames):
    print(filename,":",predictedClassIndices[idx])

那么输出将是True和False，其中False代表Value of Label = 0 (Female)，True代表Value of Label = 1 (Male)或者可以是其他方式，如图下面：

female/female.1546.jpg : [False]
female/female.1547.jpg : [ True]
female/female.1548.jpg : [False]
female/female.1549.jpg : [False]
female/female.1550.jpg : [False]
female/female.1566.jpg : [False]
female/female.1593.jpg : [ True]
female/female.1594.jpg : [False]
male/male.1514.jpg : [ True]
male/male.1520.jpg : [False]
male/male.1525.jpg : [False]
male/male.1551.jpg : [ True]
male/male.1555.jpg : [False]
male/male.1574.jpg : [ True]
male/male.1594.jpg : [ True]
male/male.1597.jpg : [ True]
male/male.1599.jpg : [ True]

希望这会有所帮助。快乐学习！

【参考方案2】：

这可能是由于在您获得零的位置缺少缩放。 尝试通过myModel.predict(data) 进行测试，其中 data 是图像数组。如果您没有对图像数组应用缩放，您可能会得到零作为结果。如果你这样做myModel.predict(data/255)， 你应该得到你最初拥有的东西，使用ImageDataGenerator(rescale=1/255)，其中缩放设置为参数。

如果你解决了这个问题，请告诉我，抱歉我迟到了这个游戏:-)