时间戳

首页 > 解决方案 > CNN模型预测

python - CNN模型预测

问题描述

我正在尝试做一个模型来识别一个人体运动。我的活动是识别一个正在抓的人。我已经有大约 260 个正确动作的记录，并且我用标签“catch”和“nothing”注释了该文件来训练我的模型。我还有一个文件，这个文件也有注释，只是为了测试模型的准确性。

我正在使用基于此站点的 CNN 模型。我将窗口大小修改为 400（相当于 4s 的记录）所以在训练我的模型后我得到了这个结果（我的模型被保存并且已经从以前的记录中训练过，这就是为什么它在第一个 epoch 中给出了很好的结果）：

Epoch:  0  Training Loss:  0.5428493594505138  Training Accuracy:  0.99394274

Epoch:  1  Training Loss:  0.5227164919283446  Training Accuracy:  0.99394274

Epoch:  2  Training Loss:  0.5037865922760709  Training Accuracy:  0.99449337

Epoch:  3  Training Loss:  0.4860136515261339  Training Accuracy:  0.99614537

测试精度：0.5686275

我要训练的代码是：

for epoch in range(training_epochs):
        cost_history = np.empty(shape=[1], dtype=float)
        for b in range(total_batchs):
            offset = (b * batch_size) % (train_y.shape[0] - batch_size)
            batch_x = train_x[offset:(offset + batch_size), :, :, :]
            batch_y = train_y[offset:(offset + batch_size), :]
            _, c = session.run([optimizer, loss], feed_dict={X: batch_x, Y: batch_y})
            cost_history = np.append(cost_history, c)
            print("Epoch: ", epoch, " Training Loss: ", np.mean(cost_history), " Training Accuracy: ",                session.run(accuracy, feed_dict={X: train_x, Y: train_y}))
        print("Testing Accuracy:", session.run(accuracy, feed_dict={X: test_input, Y: test_labels}))

在那之后，我想预测一些结果：

prediction = session.run(y_, feed_dict={X: predict_input})

但结果是：

[[7.6319778e-04 9.9923682e-01]

 [3.3351363e-04 9.9966645e-01]

 [2.5510782e-04 9.9974483e-01]

...

 [2.5133172e-04 9.9974865e-01]

 [2.4705922e-04 9.9975294e-01]

 [3.0652966e-04 9.9969351e-01]

 [1.5634180e-04 9.9984360e-01]]

手头的问题：

标签： pythontensorflowmachine-learningkerasdeep-learning

解决方案

明确预测值的范围

正如我所看到的，您的值是 0.007 和 0.993 或该数量级的值 - 那么更高的确切含义是什么，因为总和始终为 1。所以如果一个变得更高，另一个应该变得更小 - 如果我正确理解了你的问题.

澄清预测对应

由于您使用“catch”和“nothing”类标记您的数据，这就是您的预测所对应的。因此， (0, 1) 的输出意味着您的网络预测输入属于第二类。

明确窗口大小

为了解决这个问题，我首先需要你解释一下，你所说的窗口大小是什么意思。您用作输入的记录秒数？如果是这样，我会说，如果您可以在此时间帧内识别“捕获” - 那么您的网络也应该能够这样做。除此之外，这将是线搜索的合适情况。

推荐阅读