Точность проверки достоверности в обучающей модели Tensorflow составляет более 95%, поэтому реальная производительность очень низкая, почему?

Question

Я разработал модель классификации изображений, используя retrain.py с Inception V3 от Google.Я получил более 95% достоверности при обучении.Я использовал почти 400 для хорошего и 500 для плохих изображений.Я сделал две тренировочные модели, как показано ниже.Они имеют цвет и размер 114x114 пикселей.

Однако, несмотря на хорошие цифры из обучающей модели, я получаю около 50% точности от реальныхобразы мира.Я использовал подобный набор изображений для обучения.Когда я использовал те же изображения, что и при обучении для классификации, я также получил плохие результаты классификации.
Параметры обучения были следующими:

Я использовал обслуживающий сервер Tensorflow иподключил клиентскую сторону через REST API для получения результатов прогнозирования.часть клиентской части:

image1 = img_to_array(image.load_img(img, target_size=(128,128))) / 255
    payload = {
          "instances": [{"image":image1.tolist()},
    ]
    }
    r = session.post('http://localhost:8501/v1/models/img_model/versions/2:predict', json=payload)

Текущий ответ выглядит следующим образом: (без имени класса)

{"предсказания": [[1.0, 8.76629e-16, 8.01088e-27,1.86624e-16, 3.77703e-28]]}

Поскольку вышеупомянутый метод не возвращает метку класса, я предположил, что он всегда отправляет числа в одном и том же порядке. [Хорошее значение, плохое значение]: аналогичнокак я использовал во время тренировки.

Любая помощь приветствуется, чтобы понять проблему здесь.

Answer 1

ФОРМАТ ЗАПРОСА

{
  // Optional: serving signature to use.
  // If unspecifed default serving signature is used.
  "signature_name": <string>,

  // Optional: Common context shared by all examples.
  // Features that appear here MUST NOT appear in examples (below).
  "context": {
    "<feature_name3>": <value>|<list>
    "<feature_name4>": <value>|<list>
  },

  // List of Example objects
  "examples": [
    {
      // Example 1
      "<feature_name1>": <value>|<list>,
      "<feature_name2>": <value>|<list>,
      ...
    },
    {
      // Example 2
      "<feature_name1>": <value>|<list>,
      "<feature_name2>": <value>|<list>,
      ...
    }
    ...
  ]
}

ФОРМАТ ОТВЕТА

{
  "result": [
    // List of class label/score pairs for first Example (in request)
    [ [<label1>, <score1>], [<label2>, <score2>], ... ],

    // List of class label/score pairs for next Example (in request)
    [ [<label1>, <score1>], [<label2>, <score2>], ... ],
    ...
  ]
}

РЕДАКТИРОВАТЬ: - Я думаю, что выиспользуется формат запроса для PREDICT .Я перенаправляю вас на TFX_API .Пожалуйста, проверьте эту ссылку, чтобы узнать больше о формате ответа и запроса .