python - 按照 TensorFlow 教程但无法获得准确的模型预测

Question

我正在关注 tutorial on TensorFlow image classifications .

我的用例与教程略有不同，它使用棋子，而我使用的是交通灯，并且想要检测它是红色、绿色还是琥珀色。

我发现我的测试结果很差，并且想知道这是否与我在教程的 CreateData 部分中看到的 cv2.IMREAD_GRAYSCALE 有关。当然，颜色在我的分类器中很重要，所以我想知道教程是否转换为灰度，因此我缺乏准确的结果。

因此，我将 cv2.IMREAD_GRAYSCALE 的所有引用更改为 cv2.IMREAD_COLOR，重新运行 CreateData 例程，然后尝试运行 NeuralNetwork 创建程序，但随后失败错误:

  File "CreateNeuralNetwork.py", line 54, in <module>
    history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)
  File "/Users/stuff/Library/Python/2.7/lib/python/site-packages/tensorflow/python/keras/engine/training.py", line 709, in fit
    shuffle=shuffle)
  File "/Users/stuff/Library/Python/2.7/lib/python/site-packages/tensorflow/python/keras/engine/training.py", line 2688, in _standardize_user_data
    training_utils.check_array_lengths(x, y, sample_weights)
  File "/Users/stuff/Library/Python/2.7/lib/python/site-packages/tensorflow/python/keras/engine/training_utils.py", line 483, in check_array_lengths
    'and ' + str(list(set_y)[0]) + ' target samples.')
ValueError: Input arrays should have the same number of samples as target arrays. Found 195 input samples and 65 target samples.

我猜测这已经改变了我的网络的大小/复杂性，因此现在网络创建中出现了问题，任何人都可以帮助我跟踪它的位置(我没有更改我的博客文章中的任何部分)链接到上面)。

我敢打赌这方面需要进行更改:

# normalizing data (a pixel goes from 0 to 255)
X = X/255.0

# Building the model
model = Sequential()

# 3 convolutional layers
model.add(Conv2D(32, (3, 3), input_shape = X.shape[1:]))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))

假设灰度像素的范围为 0 到 255，但彩色像素的范围远不止于此，而且更有可能是 RGB 向量。我不知道该去哪里，或者要改变什么。

我可能正在跟踪，如果有想法，我们将不胜感激。

此外，当使用以下行训练模型时:

history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)

看起来 epochs 是训练模型的次数。这样做400次比40次有优势吗？这些其他参数重要吗？我如何知道我是否“过度训练”了模型？临界点是什么？

Answer 1

显然，该错误表明它将彩色图像的每个 channel 视为单独的灰度图像。这就是为什么“找到 195 个输入样本和 65 个目标样本”，即多出 3 倍。因此，您应该查看准备数据的代码。检查第 53 行

X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)

您应该将其更改为

X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 3)

希望这有帮助。

关于你的第二个问题“我如何知道我是否对模型进行了‘过度训练’？临界点是什么？”

绘制准确率和损失图，这将使您了解偏差和方差。对于 epochs 参数的设置，Keras 回调可以派上用场。有了这个，您可以监控任何数量，如 train_loss、train_acc 等，如果它没有增加，您可以自动停止进一步拟合模型。