本文讲述了作者在使用Keras构建神经网络时遇到的预测值全为0.0的问题，原因是数据预处理中标准化误用为归一化。通过改正数据预处理方法，将标准化改为归一化，问题得到解决。此外，还提到了在模型预测阶段，如果训练时使用了ImageDataGenerator，预测时也需要保持一致的数据处理方式，否则可能导致预测结果不准确。
终于构建出了第一个神经网络，Keras真的很方便。
之前不知道Keras这么方便，在构建神经网络的过程中绕了很多弯路，最开始学的TensorFlow，后来才知道Keras。
TensorFlow和Keras的关系，就像c语言和python的关系，所以Keras是真的好用。
搞不清楚数据的标准化和归一化的关系，想对原始数据做归一化，却误把数据做了标准化，导致用model.predict预测出来的值全是0.0，在网上搜了好久但是没搜到答案，后来自己又把程序读了一遍，突然灵光一现好像是数据归一化出了问题，于是把数据预处理部分的标准化改成了归一化，修改过来之后才能正常预测出来值，才得到应有的数据趋势。
标准化：
(x-mean(x))/std(x) 这是使用z-score方法规范化
归一化：
(x-min(x))/(max(x)-min(x)) 这是常用的最小最大规范化方法
补充知识：keras加载已经训练好的模型文件，进行预测时却发现预测结果几乎为同一类(本人预测时几乎均为为第0类)**
原因：在进行keras训练时候，使用了keras内置的数据读取方式，但是在进行预测时候，使用了自定义的数据读取方式，本人为图片读取。
解决办法查看如下代码：
##############训练：
train_gen = ImageDataGenerator(rotation_range=10,
width_shift_range=0.2,
shear_range=0.2,
最低0.47元/天 解锁文章
扫一扫
7874
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
