keras 模型上的遷移學習總是給出相同的預測

Question

我正在嘗試使用 keras 應用程序模塊訓練圖像分類器。 當我在驗證集上運行預測時，所有圖像都被預測為同一類。 它並不總是同一個班級，它在訓練期間會有所不同。 我正在使用帶有 ImageNet 權重的 MobileNetV2，但我也嘗試了其他具有相同結果的模型。

我已經嘗試使用 TensorFlow hub 中的模型，如本教程中所述：https ://www.tensorflow.org/beta/tutorials/images/hub_with_keras並且它工作正常，所以它不是數據集問題。

我的代碼片段：

image_size = 224
batch_size = 32
train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
    preprocessing_function=tf.keras.applications.mobilenet_v2.preprocess_input)
validation_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
    preprocessing_function=tf.keras.applications.mobilenet_v2.preprocess_input)
train_generator = train_datagen.flow_from_directory(training_data_dir,
                                                    target_size=(image_size, image_size),
                                                    batch_size=batch_size)
validation_generator = train_datagen.flow_from_directory(validation_data_dir,
                                                         target_size=(image_size, image_size),
                                                         batch_size=batch_size)

IMG_SHAPE = (image_size, image_size, 3)
base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE,
                                               include_top=False,
                                               weights="imagenet")
base_model.trainable = False

model = tf.keras.Sequential([
    base_model,
    tf.keras.layers.GlobalAveragePooling2D(),
    tf.keras.layers.Dense(train_generator.num_classes, activation='softmax')
])
model.compile(optimizer=tf.keras.optimizers.RMSprop(lr=0.001),
              loss="categorical_crossentropy",
              metrics=["accuracy"])
model.summary()

batch_stats = CollectBatchStats()
epoch_stats = CollectEpochStats(model, validation_generator)
checkpoint = tf.keras.callbacks.ModelCheckpoint(...)

epochs = 10
steps_per_epoch = train_generator.n // train_generator.batch_size
validation_steps = validation_generator.n // validation_generator.batch_size

history = model.fit_generator(train_generator,
                              epochs=epochs,
                              steps_per_epoch=steps_per_epoch,
                              callbacks=[batch_stats, epoch_stats, checkpoint],
                              workers=4,
                              validation_data=validation_generator,
                              validation_steps=validation_steps)

Answer 1

問題已解決：在我的代碼中，模型編譯后有以下幾行：

sess = keras_backend.get_session()
init = tf.compat.v1.global_variables_initializer()
sess.run(init)

刪除它們后一切正常。