tensorflow - 来自高效网络迁移学习的错误预测
问题描述
我是 TensorFlow 迁移学习的新手,我选择 tfhub 来简化查找数据集的过程,但现在我很困惑,因为当我尝试使用来自互联网的图像时,我的模型给出了错误的预测。我使用了没有微调的efficientnet_v2_imagenet1k_b0 特征向量来训练来自https://www.kaggle.com/drgfreeman/rockpaperscissors的rock-paper-scissors 数据集。我使用图像数据生成器和来自目录的流进行数据处理。
这是我的模型
这是我的火车结果
这是我在这里的测试结果
这是我第二次在使用 tfhub 进行迁移学习时得到这样的结果。我想知道为什么会发生这种情况以及如何解决它,这样这个问题就不会再发生了。非常感谢您的帮助,并为我的英语不好感到抱歉。
解决方案
为了帮助真正需要查看如何将数据提供给 model.predict 的代码。然而,作为一种猜测,请记住,efficientnet 需要具有 0 到 255 范围内的像素,因此不要缩放图像。确保您的测试图像是 rgb 并且与训练中使用的图像大小相同。还需要查看有关如何处理预测的代码
推荐阅读
- git - Gitlab - 自动同步/从云服务器复制本地服务器
- sql-server - 更新 SQL Server 中的 XML 文件(带有命名空间)
- python - BeautifulSoup、Selenium 和 Python,通过标签解析
- python - 提取图像的 k-mean 聚类的特定成员
- css - 如何编译引导 scss 以仅包含扩展类
- laravel - php artisan 命令在特定文件夹中制作测试文件
- database - 是否有用于反向查找的数据库,该数据库在其文档中有约束,而不是在查询时?
- django - Django仅将SplitDateTimeField的时间字段覆盖到选择字段中
- java - 查找最近使用的特定类型的 Eclipse 编辑器
- gitlab - LFTP反向镜像到远程服务器不上传更改的文件