如何根据CNN中的模型转换测试数据？

我是Keras的新手，我正在学习构建卷积神经网络模型。我正在使用MNIST数据集。如何根据CNN中的模型转换测试数据？

(X_train, y_train), (X_test, y_test) = mnist.load_data()

建立和评估后，我获得了99％以上的准确度。

model = NN_model() # Sequential model built with multiple Convolution and pooling layers 

model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=3, batch_size=200, verbose=2) 

scores = model.evaluate(X_test, y_test, verbose=0)

现在，我想通过拾取随机图像，打印出来使用matplotlib，然后使用学习的模型预测其手动检查结果。例如，X_test [39]数据看起来像this。

print(model.predict(X_test[39],verbose=2))

当我尝试这样做，它要求我到预先处理过的数据转换成conv2d数据，该模型将其转换。如何手动对测试数据应用此转换？

ValueError: Error when checking : expected conv2d_1_input to have 4 dimensions, but got array with shape (1, 28, 28)

来源

2017-09-11 Grimlock

的模型没有将任何东西，网络需要一批图像，其具有形状(num_samples, channels, width, height)。在这种情况下，你有一个样品，所以你应该通过增加一个新的维度设置num_samples一个：

sample = X_test[39] 
model.predict(sample[np.newaxis, :, :, :])

或者你也可以只重塑样品阵列(1, 1, 28, 28)。

来源

2017-09-11 10:45:02

标准Keras使用'channels_last'（除非用户明确地改变了它），这意味着形状应该是'（1,28,28,1）'。 –

@Daniel阅读问题中的错误信息，它已经是（1，1，28，28）。 –

@Daniel它（1,28,28）丢弃第一维（X_test [39]）后。 –

我想你需要重塑数据（也许是在模型内进行，而训练，离不开码说的）。尝试是这样的：

print(model.predict(X_test[39].reshape(-1, 28, 28, 1),verbose=2))

来源

2017-09-11 10:44:03

如何根据CNN中的模型转换测试数据？

回答

相关问题