0

我正在使用 TensorFlow训练MobileNet_v1_1.0_224 。我正在使用TensorFlow-Slim 图像分类模型库中的 python 脚本进行训练。我的 4 个类的数据集分布如下：

normal_faces: 42070
oncall_faces: 13563（人们在通话时会在图像中看到手机）
Smoke_faces: 5949
yawning_faces: 1630

数据集中的所有图像都是正方形图像，并且大于224x224

我正在使用train_image_classifier.py使用以下参数训练模型，

python train_image_classifier.py \
    --train_dir=${TRAIN_DIR} \
    --dataset_name=custom \
    --dataset_split_name=train \
    --dataset_dir=${DATASET_DIR} \
    --model_name=mobilenet_v1 \
    --batch_size=32\
    --max_number_of_steps=25000

训练模型后，eval_image_classifier.py在验证集上显示出大于95%的准确度，但是当我导出冻结图并将其用于预测时，它的表现非常糟糕。

我也试过这个笔记本，但这也产生了类似的结果。

日志：训练日志
图：损失和准确性

这是什么原因？我该如何解决这个问题？

我在 SO 上看到过类似的问题，但没有特别与 MobileNets 相关。

4

1 回答 1

0

您是否使用了验证集？如果是这样，验证准确性是多少？如果您使用了验证集，那么检查您是否正确进行预测的好方法是在验证集上运行 model.predict。

于 2021-07-18T01:43:50.150 回答