为什么我的机器学习图像如此混乱？答案

【问题标题】：Why are my machine learning images so messy?为什么我的机器学习图像如此混乱？
【发布时间】：2018-12-21 02:43:33
【问题描述】：

我正在使用 Keras 进行机器学习，我的神经网络输出图像。

我的数据是标准化的，所以我获取我的网络的输出并对它们进行非标准化，然后使用Image.fromarray 将它们转换为 PIL 图像，然后显示这些图像。

但是，我得到的图像看起来真的很乱。例如，它们看起来像：

或

它们应该看起来像什么时候

我的损失正在下降到相当低的数字，当我查看网络的输出值时，它们似乎相当正常。

为什么这些图片显示得如此凌乱？我能做些什么来解决它？

【问题讨论】：

【解决方案1】：

问题是您的网络的输出并不完全在 [0, 255] 范围内。

即使您在网络的最后一层使用 sigmoid 函数（这将保证您的输出在 (0, 1) 范围内），当您“不平均化”图像时，您可能会以某种方式操纵它们高于或低于 [0, 255] 范围。

这通常与您平均图像的方式有关。在我的情况下，我认为这是因为当我平均我的图像时，在被零除的情况下我有一个小的 epsilon。取消平均时，这会导致值超出 [0, 255] 范围的问题。

解决方案是在将数组转换为 PIL 图像之前强制数组进入 [0, 255] 范围。

我这样做：

image_array = np.minimum(image_array, np.full(image_array.shape, 255))
image_array = np.maximum(image_array, np.full(image_array.shape, 0))

这会对数组进行两次元素比较，如果超过 255 则将值设置为 255，如果低于 0 则设置为 0。

然后您可以使用生成的 image_array 并将其转换为带有 Image.fromarray(image_array) 的 PIL 图像，就像您一直在做的那样。

您得到的图片应该看起来更像您在问题中发布的那张好图片。（事实上，在你的情况下，它应该看起来完全就像你发布的那张好图片；））

【讨论】：

你的帖子还没过一分钟就回答了，哈哈。
@MattiaRighetti 哈哈是的，你可以answer your own question。当有一个错误需要我花一些时间才能弄清楚时，我倾向于这样做，如果当其他人在互联网上搜索到它时，他们会发现我的解决方案，而不必花所有时间来解决它，那就太好了他们自己的。（即使我的解决方案不起作用，它也可能以其他方式帮助他们。）只是传播知识:)