所以我在Keras中建立了一个卷积神经网络用于分类。我正在加载keras中ImageDataGenerator包中flow\u from\u directory函数中的训练、验证和测试图像。我能够完美地训练神经网络,并且我正在使用predict\u generator函数来预测我的测试图像(79726个图像)的类标签。你知道吗
所以我的代码是这样的:
network_output=model.predict_generator(test_set,steps=79726 ,verbose=1)
网络的输出基本上是我的10门课中每门课的概率。所以network_output
的维数应该是79726行10列,而network_output
的实际维数是255074行10列。这是比它应该更多的输出!我用steps
参数找到了输出更改的数量。如何选择步长值以获得正确的输出数。你知道吗
如果需要进一步的说明/代码来更好地解释问题,请在评论/回答部分告诉我。你知道吗
编辑:这里是网络结构:输入\ U大小是32
from keras.models import Sequential
from keras.layers import Flatten,BatchNormalization
from keras.layers import Dense,Dropout
from keras.layers.convolutional import Conv2D
from keras.layers.pooling import MaxPooling2D
from keras.layers.normalization import BatchNormalization
model = Sequential()
model.add(Conv2D(16, 3, input_shape = (input_size, input_size, 3),activation = 'relu'))
model.add(Conv2D(16, 3, activation = 'relu'))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2,2)))
model.add(Conv2D(32, 3, activation = 'relu'))
model.add(Conv2D(32, 3, activation = 'relu'))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2,2)))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))
model.compile(optimizer = 'adam', loss = 'categorical_crossentropy', metrics = ['accuracy'])
你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐