Tensorflow - 仅预测 6 个类别中的 2 个类别的模型答案

【问题标题】：Tensorflow - Model Only Predicting 2 Classes Out of 6Tensorflow - 仅预测 6 个类别中的 2 个类别的模型
【发布时间】：2018-04-22 21:52:08
【问题描述】：

我正在构建一个 CNN，用 50x50 像素灰度图像（每类 1400 个）对 6 个类进行分类。在训练模型并评估损失和准确度之后，一切似乎都运行良好，训练准确度约为 98%，损失下降到 3.0，但是在对每个类的测试数据评估模型时，模型已经偏离了。我的课程是面部表情的图像： 1) 愤怒 2）恐惧 3) 快乐 4) 中立 5) 伤心 6) 惊喜

这里是 Jupyter 笔记本：https://www.floydhub.com/arse123/projects/cnn-1/20/code/train_edge.ipynb

例如，当我为每个类别提供 350 张测试图像时，只会预测 anger 和 suprise 类别。

    TEST IMAGES                   RESULTS
    Angry -    it classified 76 angry, and 273 surprise

    Fear -     it classified 8 angry and 342 surprise

    Happy -    12 angry and 338 surprise

    Neutral -   350 surprise

    Sad -       22 angry and 328 surprise

    Surprise - a full 350/350 classified for this one..

很明显，由于没有一张其他图像被分类一次，因此存在一些对愤怒和惊讶的偏见。

当我在训练后运行acc.eval({x: test_images, y: test_labels, is_training : False})（每个类和相应的 2100 张图像）时，我得到了 82% 的准确率，所以我不知道这是怎么发生的。该模型是否有可能一直在这两个课程上进行训练？

@注意：图像和标签是一种热编码，也是随机打乱的，已实现批量标准化

更新

我重新训练了模型，它具有相同的效果，但具有不同的类别。这一次它倾向于悲伤和惊奇，而不是愤怒和惊奇。结果如下：

Angry - Sad 259 and surprise 75
Fear - Sad 118 and surprise 218 (some classifications missing here for some reason)
Happy - Sad 167 times and suprise 160 times (same again, missing some classifications)
Neutral - sad 94 and surprise 249
Sad - sad 211 and surprise 122
Surprise - Sad 284 and surprise 52

【问题讨论】：

看起来像 cell [5] 鞋你的标签有相同的单热编码...是真的吗？
是的，它们是一种热编码，但这只是偶然，它们似乎都几乎相同，我检查了 labels[0:100] 并且标签正确洗牌

标签： python tensorflow machine-learning neural-network conv-neural-network

【解决方案1】：

代码有一些问题，但最重要的是，由于某种原因，它在is_training = False 时没有运行。如果您设置is_training = True 即使在不训练时，它也会给出可接受的结果。所以训练没问题，但评估运行不正常。

现在为什么会是一个我现在无法回答但可能值得调查的问题。

在 Jupyter Notebook 中附加固定代码。我改变了很多小东西，比如你取了已经 Softmaxed 值的 Softmax，修复了它，改变了随机洗牌以使用 numpy，改变了测试图像的加载以在加载后立即调整大小，等等。还有很多调试正在打印，对此感到抱歉。 :)

看起来合理，验证准确率为 88%（训练准确率为 96.59%）。（也改为 10 个 epoch。）

train_edge_v2.ipynb

【讨论】：