Модель оценки AutoKeras дает результаты, отличные от той же модели, что и оценка чистого Keras (файл h5) - PullRequest
Новая
       30

Модель оценки AutoKeras дает результаты, отличные от той же модели, что и оценка чистого Keras (файл h5)

0 голосов
/ 02 февраля 2019

Я использую AutoKeras для обучения набора данных, а затем сохраняю его как файл AutoKeras и файл Keras (h5).

Моя проблема заключается в том, что оценка этих двух моделей дает мне разные результаты.

Это код для обучения набора данных и сохранения моделей: 

if __name__ == '__main__':
    x_test, y_test = load_image_dataset(csv_file_path="test/label.csv", images_path="test")
    print(x_test.shape)
    print(y_test.shape)

    x_train, y_train = load_image_dataset(csv_file_path="train/label.csv", images_path="train")
    print(x_train.shape)
    print(y_train.shape)

    clf = ImageClassifier(path="~/automodels/", verbose=True)
    clf.fit(x_train, y_train, time_limit= 1 * 10 * 60)
    clf.final_fit(x_train, y_train, x_test, y_test, retrain=True)
    y = clf.evaluate(x_test, y_test)
    print(y)

    clf.export_autokeras_model('my_autokeras_model.h5ak')
    clf.export_keras_model('my_model.h5')

Это код, который загружает модели и оценивает его: 

from keras.models import load_model
from keras.preprocessing import image
from keras.preprocessing.image import ImageDataGenerator
from keras.layers import Dense, Input, LSTM, Bidirectional, Conv1D, Activation
from keras.models import Sequential, Model
from autokeras.image.image_supervised import load_image_dataset
from sklearn.metrics import confusion_matrix
import numpy as np
from keras.utils import to_categorical
from autokeras.utils import pickle_from_file

x_test, y_test = load_image_dataset(csv_file_path="test/label.csv", images_path="test")
print(x_test.shape)
print(y_test.shape)

model = pickle_from_file('my_autokeras_model.h5ak')
results = model.evaluate(x_test, y_test)
print(results)

keras_model = load_model('model.h5')
x = keras_model.output
x = Activation('softmax', name='activation_add')(x)
new_model = Model(keras_model.input, x)
new_model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
y_test = to_categorical(y_test)
score = new_model.evaluate(x_test, y_test)
print(score)

Но это вывод: 

0.7238095238095238
[8.135800362768627, 0.49523809523809526]

, который отличается.

Причина добавления функции активации для модели h5 объясняется в этой теме (но, возможно, я ошибся)

Что я делаю не так?Я приму любую помощь.спасибо!

...