python 高精度时间_克拉斯，Python。高精度模型对所有时间进行了错误的分类

我有两门课。0=狗，1=非狗。

8800张图像(150150像素)正在培训，4400张图像用于验证。

4400只狗，4400只非狗在训练。2200只狗，2200只非狗正在验证中。

非日志图像包含船、树、钢琴等的随机图像。

我把我的网络训练到了87%以上的精确度。

绘图：

accvsvvalacc-http://imgur.com/a/6y6DG

损失损失-http://imgur.com/a/QGZQx

我的网络：#model dog/nondog

model = Sequential()

model.add(Convolution2D(16, 3, 3, input_shape=(3, img_width, img_height)))

model.add(Activation('relu'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(16, 3, 3))

model.add(Activation('relu'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(32, 3, 3))

model.add(Activation('relu'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(64, 3, 3))

model.add(Activation('relu'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())

model.add(Dense(128))

model.add(Activation('relu'))

model.add(Dropout(0.5))

model.add(Dense(1))

model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy',

optimizer='rmsprop',

metrics=['accuracy'])

我在模型的末尾有一个节点，因为我知道我在处理二进制分类问题，如果我只需要从非狗分类狗。在

我面临的问题是，当我把一张看不见的狗图片发送给系统时，它总是将其归类为非日志。我没有正确地处理这个问题？如果我的准确率如此之高，有人能解释一下为什么它从不把狗图片归类为狗吗？你有什么可以推荐给我的人际网络或方法的改变吗？在

编辑：

最初我用70x70的图像进行训练。刚完成150x150图像的再培训。也不是模型.预测我正在使用model.predict_类. 但问题还是一样。结果总是一个非狗的结果，我尝试的每一个图像。：(

编辑2：完整代码：

^{pr2}$

我为杂乱无章的代码道歉，经常会发生很多变化。。在