是否可以调试CNN在训练或评估过程中猜错的图像?Tensorflow/Keras

5jdjgkvh  于 2023-06-24  发布在  其他
关注(0)|答案(1)|浏览(113)

我目前正在训练一个模型来将图像分类为,比如说,10类。我有一个10 k图像的数据集(每个类1 k)。在训练过程中,NN能够达到99.6%的准确率,这意味着在10000张图像中有40张被错误分类。

我能以某种方式确切地知道是什么图像(或至少是批处理)导致了错误?我想这样做是为了直观地检查什么类型的图像,如果导致错误。我想它们可能是异常值,所以当我弄清楚它们的特征时,我可以用类似的图像来增强我的数据集以提高准确性。

我可以简单地在训练后对我的初始数据集运行“预测”,但也许有更优雅、更耗时的方法来找到罪魁祸首。
重要的是,我已经从目录tf.keras.utils.image_dataset_from_directory中获取了数据集
谢谢!

6kkfgxo0

6kkfgxo01#

您可以使用自定义回调,以便在每个epoch之后打印出错误分类图像的索引,但这需要重新训练模型。

from keras.callbacks import Callback
import numpy as np

class CustomCallback(Callback):
def __init__(self, x_data, y_data, batch_size):
    super().__init__()
    self.x_data = x_data
    self.y_data = y_data
    self.batch_size = batch_size

def on_epoch_end(self, epoch, logs={}):
    y_pred = self.model.predict(self.x_data)

    # Compare the predicted labels to the true labels
    indices = np.where(np.argmax(y_pred, axis=-1) != np.argmax(self.y_data, axis=-1))[0]

    # print the indices of the wrong labeled images
    print(f"Epoch {epoch+1} - Misclassified images indices: {indices.tolist()}")

现在将其添加到www.example.com中的回调model.fit

callback = CustomCallback(x_train, y_train, batch_size)
   history = model.fit(x_train, y_train, batch_size=batch_size, epochs=num_epochs, callbacks=[callback])

相关问题