прогнозирование класса перикулярного изображения после тренировки CNN с использованием кераса

Question

Обучение

        import keras  
        import numpy as np  
        import matplotlib.pyplot as plt





        from keras.preprocessing.image import ImageDataGenerator  




        datagen= ImageDataGenerator(rotation_range=40,width_shift_range=0.2             
        ,height_shift_range=0.2,zoom_range=0.2,rescale=1./255.)





        type(datagen)




        from keras.models import Sequential  
        from keras.layers import Conv2D,MaxPool2D,Flatten,Dense,Activation  
        from keras.activations import relu , softmax  
        from keras.losses import categorical_crossentropy  
        from keras.optimizers import SGD,RMSprop  

        from keras.callbacks import TensorBoard  




        model=Sequential()  

        model.add(Conv2D(32,(3,3),input_shape=(150,150,3),activation="relu"))  
        model.add(MaxPool2D(pool_size=(2,2)))  

        model.add(Conv2D(32,(3,3),activation="relu"))  
        model.add(MaxPool2D(pool_size=(2,2)))  

        model.add(Conv2D(64,(3,3),activation="relu"))  
        model.add(MaxPool2D(pool_size=(2,2)))  


        model.add(Flatten())  

        model.add(Dense(1024,activation="relu"))  
        model.add(Dense(512,activation="relu"))  
        model.add(Dense(512,activation="relu"))  
        model.add(Dense(512,activation="relu"))  
        model.add(Dense(512,activation="relu"))  
        model.add(Dense(512,activation="relu"))  
        model.add(Dense(5,activation="softmax"))  





        model.compile(loss="categorical_crossentropy" , optimizer=SGD(),metrics=["acc"])  




        train_gen=datagen.flow_from_directory("/home/vishu//Desktop/basics/dataset",target_size=    
        (150,150),batch_size=100)  




        tb=TensorBoard(log_dir=".")  




        model_history=model.fit_generator(train_gen,epochs=2)  

Прогнозирование

        import cv2  


        CATEGORIES = ['1','2','3','4','5']  

        def prepare(filepath):  
            IMG_SIZE = 150  
            img_array = cv2.imread(filepath, cv2.IMREAD_COLOR)  
            new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))  
            return new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 3)   

        prediction =      model.predict_classes([prepare('/home/vishu/Desktop/basics/dataset/d2.jpeg')])  

        print(prediction)  

после использования это всегда дает мне вывод 4
как мне следует предсказать правильный класс изображения?
здесь я беру входные изображения из папок. Я создал 5 папок для 5 классов, тогда как мне предсказать класс изображения?

Answer 1

Вы забыли выполнить масштабирование (деление на 255), которое вы делаете в ImageDataGenerator, это нужно сделать с новыми тестовыми данными, поэтому вы должны сделать это в вашей функции prepare.