同一图像的分类给出不同的结果

Question

我正在尝试使用带有 Tensorflow 的 CNN 对 3D 图像进行分类，我认为有问题。 训练和验证后，我使用保存的 model 对单个图像进行分类。 当我对这张图片进行分类时，每次尝试都会给我不同的结果。

例子：

1st try:
   input: Picture of a 3D brain
   result of the classification: 1

2nd try:
   input: Same picture of 3D brain
   result of the classification: 2

我想知道这是正常的还是我做错了什么。 我正在使用的 model 的准确度为 67%。

这是代码：

def conv3d(x, W):
    return tf.nn.conv3d(x, W, strides=[1, 1, 1, 1, 1], padding='SAME')


def maxpool3d(x):
    return tf.nn.max_pool3d(x, ksize=[1, 2, 2, 2, 1], strides=[1, 2, 2, 2, 1], padding='SAME')


def convolutional_neural_network(x):
    number = calc()

    weights = {'W_conv1': tf.Variable(tf.random_normal([3, 3, 3, 1, 32])),
               'W_conv2': tf.Variable(tf.random_normal([3, 3, 3, 32, 64])),
               'W_fc': tf.Variable(tf.random_normal([number, 1024])),
               'out': tf.Variable(tf.random_normal([1024, 3]))}

    biases = {'b_conv1': tf.Variable(tf.random_normal([32])),
              'b_conv2': tf.Variable(tf.random_normal([64])),
              'b_fc': tf.Variable(tf.random_normal([1024])),
              'out': tf.Variable(tf.random_normal([3]))}

    x = tf.reshape(x, shape=[-1, 50, 50, 30, 1])

    conv1 = tf.nn.relu(conv3d(x, weights['W_conv1']) + biases['b_conv1'])
    conv1 = maxpool3d(conv1)

    conv2 = tf.nn.relu(conv3d(conv1, weights['W_conv2']) + biases['b_conv2'])
    conv2 = maxpool3d(conv2)

    fc = tf.reshape(conv2, [-1, number])
    fc = tf.nn.relu(tf.matmul(fc, weights['W_fc']) + biases['b_fc'])
    fc = tf.nn.dropout(fc, 0.8)

    output = tf.matmul(fc, weights['out']) + biases['out']

    return output

那就是主要的function：

def classification(path):
    x = tf.placeholder('float')

    new_path = extract(path + '.gz')
    X_new = process_data(path=new_path, apply_hist=True)

    pred = convolutional_neural_network(x)

    res = 0

    with tf.Session() as sess:
        saver = tf.train.import_meta_graph('modelo.meta')
        saver.restore(sess, 'modelo')

        sess.run(tf.initialize_all_variables())

        probabilities = tf.nn.softmax(pred)

        c = sess.run(probabilities, feed_dict={x: X_new})

        res = np.argmax(c)

    return res

我正在对输入图像进行相同的处理。

太感谢了！

编辑：

我尝试交换这些行，但结果仍然不同。

    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        saver = tf.train.import_meta_graph('modelo.meta')
        saver.restore(sess, 'modelo')

Answer 1

您首先恢复变量，然后将变量初始化为随机值：

saver.restore(sess, 'modelo')
sess.run(tf.initialize_all_variables())

因此，您有两个不同的预测，因为您使用随机变量两次初始化 model。 您需要交换这些行，或省略 initialize_all_vars 总括。 老实说，我不知道如何解决它，但至少这会让你走上正确的道路。 希望这可以帮助！