CNN-具有多分類的錯誤預測

Question

我正在建立一個卷積網絡來預測3類圖像（貓，狗和人）。 我訓練並訓練了它，但是隨后當我通過貓的圖像進行預測時，總是給出錯誤的輸出。 我試過其他貓的照片，但結果沒有改變。 對於人和狗來說，只貓就沒有問題。

     cnn = Sequential()

    #------------------- Convolução e Pooling
    cnn.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 'relu'))
    cnn.add(Dropout(0.5))
    cnn.add(MaxPooling2D(pool_size = (2, 2)))

    cnn.add(Conv2D(32, (3, 3), activation = 'relu'))
    cnn.add(Dropout(0.5))
    cnn.add(MaxPooling2D(pool_size = (2, 2)))

    cnn.add(Conv2D(64, (3, 3), activation = 'relu'))
    cnn.add(MaxPooling2D(pool_size = (2, 2)))

    cnn.add(Conv2D(64, (3, 3), activation = 'relu'))
    cnn.add(Dropout(0.5))
    cnn.add(MaxPooling2D(pool_size = (2, 2)))

    #Full connection
    cnn.add(Flatten())
    cnn.add(Dense(units = 128, activation = 'relu'))
    cnn.add(Dense(units = 4, activation = 'softmax'))

    # Compiling the CNN
    cnn.compile(optimizer = OPTIMIZER, loss = 'categorical_crossentropy', metrics = ['accuracy'])

    filepath="LPT-{epoch:02d}-{loss:.4f}.h5"
    checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1, save_best_only=True, mode='min')
    callbacks_list = [checkpoint]

12000張火車圖像-3000張測試圖像

train_datagen = ImageDataGenerator(rescale = 1./255,
                                   shear_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255)

training_set = train_datagen.flow_from_directory('data/train',
                                                 target_size = tgt_size,
                                                 batch_size = batch_size,
                                                 class_mode = 'categorical')

test_set = test_datagen.flow_from_directory('data/test',
                                            target_size = tgt_size,
                                            batch_size = batch_size,
                                            class_mode = 'categorical')

cnn.fit_generator(training_set,
                  #steps_per_epoch = 12000,  
                  steps_per_epoch = nb_train_samples // batch_size,                                                   
                  epochs = EPOCHS,
                  verbose = VERBOSE,
                  validation_data = test_set,
                  validation_steps = nb_validation_samples // batch_size,
                  callbacks = callbacks_list)

我最好的訓練結果：

loss: 0.6410 - acc: 0.7289 - val_loss: 0.6308 - val_acc: 0.7293

班級指標：

{'.ipynb_checkpoints': 0, 'cats': 1, 'dogs':2, 'person':3}

（我無法刪除該ipynb文件夾）

預測：

pred1 = 'single_prediction/ct.jpg'
pred2 = 'single_prediction/ps.jpg'
pred3 = 'data/single_prediction/dg.jpg'

test_img = image.load_img(pred1, target_size = tgt_size)
test_img = image.img_to_array(test_img)
test_img = np.expand_dims(test_img, axis = 0)
pred = new_model.predict(test_img)
print(pred)

if pred[0][1] == 1:
        print('It is a cat!')
elif pred[0][2] == 1:
    print('It is a dog!')
elif pred[0][3] == 1:
    print('It is a Person!')

以及貓圖像的輸出：

[[0.000000e+00 0.000000e+00 8.265931e-34 1.000000e+00]]

我已經嘗試過：更改層數（添加和刪除），增加時期，減少批處理...我也嘗試過使用np.argmax（）。 有人可以在這里給我點燈嗎？

更新 ：我使用shutil.rmtree（）命令刪除了jupyter筆記本的隱藏文件夾，並對其進行了大約40個時期的訓練，直到停止改進為止。 最后，我對預測圖像進行了縮放，並正確了。

test_img = image.img_to_array(test_img)/255

感謝您的所有幫助！

Answer 1

問題出在ipynb checkpoints文件夾。 這是一個隱藏的文件夾。 您需要先刪除它。 然后將您的輸出密集層更改為3個單位（類）。 改變這個

cnn.add(Dense(units = 4, activation = 'softmax')) 

至

cnn.add(Dense(units = 3, activation = 'softmax'))