使用 keras 寻找线性回归预测答案

【问题标题】：Finding a linear regression prediction with keras使用 keras 寻找线性回归预测
【发布时间】：2017-10-31 20:55:43
【问题描述】：

我训练了一个线性回归模型（具有线性回归输出的 CNN）。我的输入是图像，输出是概率。我现在想拍摄另一张图像（与我的测试集不同）并通过我的网络推送它以获得概率。

我加载我的模型、权重和图像并将其重塑为 4D 张量并像这样运行预测：

json_file = open('/home/model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()

loaded_model = model_from_json(loaded_model_json)
loaded_model.load_weights("/home/weights.h5")
loaded_model.compile(loss='mean_squared_error', optimizer=OPTIMISER, metrics=['mean_absolute_error'])

img = (ndimage.imread(img).astype(float) - pixel_depth / 2) / pixel_depth
img = img.reshape(1, 128, 128, 1).astype('float32')
out = loaded_model.predict(img)

我得到一个 7.35 的值 - 但我的网络在 0.4 区域的测试集上运行（这对我的需要来说很好）。我期待的价值约为 1。我是否使用了正确的例程？

不知道要回去多远寻找错误。

编辑：图像的直方图。

【问题讨论】：

您在训练时是否对图像进行了归一化处理？
@MarcinMożejko 是的
在预测时 - 你是否使用相同的函数对其进行了标准化？
@MarcinMożejko 是的。
您能否绘制来自测试集和训练集的展平示例的直方图？

标签： keras linear-regression predict

【解决方案1】：

事实证明，我得到的正是我所需要的。该预测基于网络正在接受的方向变化，因为障碍物现在不是问题（3D 环境中的物理障碍物）。起初，我以为我试图找到一个相似的预测值，但事实证明这更好。

学习：这种结构方式对于使用 keras 找到线性预测是正确的。

【讨论】：