测试样本上的 NN 显示正确答案，但当我给出我的数据时，她总是错的

Question

我解决了使用 Inte.net 识别手写数字的问题。 它给出了正确答案，准确率约为 97.5%。 但我想用我自己的数据来测试它。 在这种情况下，她总是错的。 我首先给了她一张纸上数字的照片（使用 Opencv，我缩放它们，使它们变成灰色）。 收到不满意的结果后，我开始“喂”她 Paint 中的数字。）但最后，结果仍然不满意。

照片造假：

image = cv2.imread("22.png")

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

gray_image = cv2.resize(gray_image, (28, 28), interpolation = cv2.INTER_AREA)

print(gray_image.shape)
cv2_imshow(gray_image)

启动代码 NN：

x = np.expand_dims(gray_image, axis=0)
res = model.predict(x)
print( res )
print( np.argmax(res) )

另外，我附上我给 NN Here Here和 Here的数据

根据 NN - 所有这些都等于 5

我试图更好地训练 neural.network，更改数据，更改代码。 但这并没有影响任何事情。

我在我的代码中有一个地方，我从 Mnist 数据库中拍摄一张照片，看看 NN 在这张照片中看到了什么。 我试图采用相同的代码并将其覆盖在我的数据上。 它没有用。

这是地方：

n = 36
x = np.expand_dims(x_test[n], axis=0)
res = model.predict(x)
print( res )
print( np.argmax(res) )
plt.imshow(x_test[n], cmap=plt.cm.binary)
plt.show()

请告诉我该怎么做才能让 NN 正确识别我照片上的数字。 谢谢

Answer 1

每当您执行机器学习或任何形式的预测时，您都必须确保您的 model 是在与您要执行预测的数据相似的数据上训练的。 在这里，我假设您使用黑色背景和白色文本的数据进行训练，例如 MNIST 集。

因此，您应该反转输入数据，使其与您训练 model 的数据相似。