低准确度，即预测中的 52%，而训练期间的训练和验证准确度约为 92%答案

【问题标题】：Low accuracy i.e. 52% in predicting whereas the training and validation accuracy during training is around 92%低准确度，即预测中的 52%，而训练期间的训练和验证准确度约为 92%
【发布时间】：2021-08-04 19:59:14
【问题描述】：

我正在使用预训练的 VGG19 来训练模型。在训练时，我获得了大约 92% 的准确率（训练和验证）。

vgg19 = VGG19(input_shape=IMAGE_SIZE, weights='imagenet', include_top=False)
for layer in vgg19.layers:
    layer.trainable = False

x = Flatten()(vgg19.output)
prediction = Dense(len(folders), activation='softmax')(x)
model = Model(inputs=vgg19.input, outputs=prediction)

model.compile(loss='categorical_crossentropy',
  optimizer=tf.keras.optimizers.Adam(
    learning_rate=0.0005,
    name="Adam"),
  metrics=['accuracy']
)

r = model.fit_generator(
  training_set,
  validation_data=test_set,
  epochs=20,
  steps_per_epoch=len(training_set),
  validation_steps=len(test_set)
)

predictions = model.predict(test_set, steps = test_set.n // 31, verbose=1)

y_pred = []
for i in predictions:
  y_pred.append(int(np.argmax(i)))
y_pred = np.asarray(y_pred)

训练时的准确率可以从这里查看。

但是，在进行预测时，我得到的准确率仅为 52.33%。

有人可以告诉我我在这里做错了什么吗？谢谢！

【问题讨论】：

我认为你有一个过度拟合的问题。您可以使用多种方法来防止过度拟合数据。使用正则化或 dropout 此外，您可以减少神经元或层数。此外，提前停止可能是个好主意
嘿，验证准确率和损失都很好。我说的是我通过 model.predict() 获得的准确性。为什么只有52%？另一方面，验证准确率约为 90%，这对我来说似乎不是一个过度拟合的问题。如果我错了，请纠正我。
你标准化你的测试数据了吗？
是的，它已标准化。
这是一个有用的链接：stackoverflow.com/questions/48718663/…

标签： python keras deep-learning

【解决方案1】：

您的算法似乎缺乏概括性。一个原因可能是您用于训练的数据集的大小。更大的数据集，更好的泛化

【讨论】：

【解决方案2】：

解决办法是：

test_set = test_datagen.flow_from_directory('/content/drive/MyDrive/dataset/Test',
                                            target_size = (224, 224),
                                            batch_size = 32,
                                            class_mode = 'categorical',
                                            shuffle=False)

我没有在默认情况下保留shuffle=True 的flow_from_directory 中添加shuffle=False，这就是我在预测时准确性降低的原因。

我希望它会帮助任何犯同样错误的人！

【讨论】：