MNIST分类器在非MNIST数字上失败

Question

我刚刚意识到，我的MNIST数字分类器(一种卷积神经网络)在我自己的手绘数字上发生了巨大的故障，准确率仅为55% (黑白图像上的准确率为50%，黑白图像上的准确率为60% )。

这个结果让我相当惊讶，因为工业字符识别软件对于全新的字符非常准确。

我能在网上找到的唯一解释是过度拟合，这似乎不太可能，因为我的模型有98.4%的测试准确率。另一种解释是，MNIST数据集并不像人们所希望的那样普遍/具有较低的维度，这似乎是不可能的。转换为灰度也不是问题(见Roshin的答案中的评论)。

有人愿意看看我的模特然后告诉我怎么了吗？对我自己角色的测试是在最后一个填充单元格中进行的。

• https://colab.research.google.com/drive/1nAWoO3Qik0qNOk1I1kzT-V8M_FLY77HH?usp=sharing

Answer 1

问题在于台词：

# my own hand-drawn characters
with url.urlopen(img) as file:
  x2 = im.imread(file.read())
# average color channels, put in 1-size batch, normalize
x2 = np.array([[[[np.mean(entry)] for entry in row] for row in x2]]) / 255.0

你应该把图像转换成灰度。

# my own hand-drawn characters
with url.urlopen(img) as file:
  pil_im = Image.open(file.read()).convert('L')
  img = np.array(pil_im) / 255.0
# average color channels, put in 1-size batch, normalize

您应该事先从Image导入PIL模块，

from PIL import Image