-1

我构建了一个基于 VGG 预训练模型的 CNN。我微调了最后一个 conv 块（#5）以及我添加的全连接层。我的分类问题有 4 个类，我的最后一个激活层是“softmax”，我使用“sparse_categorical_crossentropy”作为我的损失函数。当我创建我的火车/有效生成器时，我使用的是 class_mode（'sparse'）。因此，我拟合了我的模型，并且在 2 个 epoch 后，我的验证数据集的准确率达到了 92%。我遇到的问题是，当我检查 predict_generator 以查看我对验证集的预测时，准确度约为 73 真实预测/（73 + 161 错误预测）= 0.31%，但是 model.evaluate_generator(validation_generator) 有 91%准确性。

train_datagen = ImageDataGenerator(rescale=1./255)

test_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
        path_data_train,
        target_size=(img_width, img_height),
        batch_size=16,
        class_mode="sparse")

validation_generator = test_datagen.flow_from_directory(
        path_data_valid,
        target_size=(img_width, img_height),
        batch_size=16,
        class_mode="sparse")

nb_train_samples = 1874
nb_validation_samples = 234
epochs = 10
batch_size = 16

history = model.fit_generator(
        train_generator,
        steps_per_epoch=nb_train_samples // batch_size,
        epochs=epochs,
        validation_data=validation_generator,
        validation_steps=nb_validation_samples // batch_size,
        callbacks = [checkpointer])

Epoch 1/10
117/117 [==============================] - 42s 356ms/step - loss: 0.0850 - acc: 0.9690 - val_loss: 0.4173 - val_acc: 0.9062
Epoch 2/10
117/117 [==============================] - 42s 360ms/step - loss: 0.0690 - acc: 0.9765 - val_loss: 0.4423 - val_acc: 0.894

print (model.metrics_names)
model.evaluate_generator(validation_generator)
['loss', 'acc']
[0.39189313988909763, 0.9059829049640231]

preds = model.predict_generator(validation_generator)

任何帮助表示赞赏。

4

1 回答 1

0

如果将来有人遇到同样的问题，我会发布答案。您需要在validation_generator 中设置Shuffle = False。

validation_generator = test_datagen.flow_from_directory(
        path_data_valid,
        target_size=(img_width, img_height),
        batch_size=16,
        class_mode="sparse", shuffle = False)
于 2018-10-26T13:27:35.910 回答