微调模型中的Keras精度差异

Question

背景

在Keras中微调分类模型时，它打印了val_acc: 0.8456。使用This code进行微调。

经过微调、手动加载训练模型并预测估值集后，0.28的精度大大降低。

以下代码用于评估：

model = load_model(MODEL_PATH)
...
img = kimage.load_img(img_path, target_size=target_size)
x = kimage.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = vgg19.preprocess_input(x)
pred = model.predict(x)

问题

造成精确度0.85 != 0.28差异较大的原因可能是什么

Answer 1

您正在使用不同的预处理来进行训练和测试。具体来说，

rescale = 1./255

用于训练，但是

x = vgg19.preprocess_input(x)

用于测试。

imagenet_utils.preprocess_input()所做的是减去平均值(在ImageNet上计算，顾名思义)：

    # Zero-center by mean pixel
    x[:, :, :, 0] -= 103.939
    x[:, :, :, 1] -= 116.779
    x[:, :, :, 2] -= 123.68

因此，它与应用于训练数据的预处理有很大的不同。

Answer 2

使用相同的ImageDataGenerator

我的ImageDataGenerator是：

train_datagen = ImageDataGenerator(
    rescale=1. / 255, ...)

能够按如下方式重现其预处理过程：

img = load_img(image_path, target_size=target_size)
x = img_to_array(img)
x = np.expand_dims(x, axis=0)
x *= rescale_factor

score = model.predict(x)