Tensorflow MNIS图像分类预测错误

如何解决Tensorflow MNIS图像分类预测错误

我正在使用colab Keras Tensorflow执行MNIST分类任务。运行模型后，我有4个示例图像要手动检查。

首先，我的模型代码如下：

import tensorflow as tf
import os
import PIL
import numpy as np
import matplotlib.pyplot as plt
import tensorflow_datasets as tfds
import tensorflow_hub as hub

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense,Conv2D,Flatten,Dropout,MaxPooling2D
from tensorflow.keras.preprocessing.image import ImageDataGenerator

import keras_preprocessing
from keras_preprocessing import image

from tensorflow.python.keras.utils.version_utils import training
from tensorflow.keras.optimizers import RMSprop

(train_images,train_labels),(test_images,test_labels) = tf.keras.datasets.mnist.load_data()

x_trainf = train_images.astype('float32') / 255
x_testf = test_images.astype('float32') / 255

x_train_r = x_trainf.reshape(x_trainf.shape[0],28,1)
x_test_r = x_testf.reshape(x_testf.shape[0],1)

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(filters=64,kernel_size=3,padding='same',activation='relu',input_shape=(28,1))) 
model.add(tf.keras.layers.MaxPooling2D(pool_size=2))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Conv2D(filters=32,kernel_size=2,activation='relu'))
model.add(tf.keras.layers.MaxPooling2D(pool_size=2))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(256,activation='relu'))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(10))

model.compile(optimizer='adam',loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),metrics=['accuracy'])

model.fit(x_train_r,train_labels,batch_size=32,epochs=10,validation_data=(x_test_r,test_labels))

模型似乎具有良好的性能。

现在，我有以下4个示例图像（此处未以图片形式嵌入，以便为您提供原始尺寸的真实图片文件）：

https://i.stack.imgur.com/XhZjx.jpg

https://i.stack.imgur.com/4wIIC.jpg

https://i.stack.imgur.com/9VKsY.jpg

https://i.stack.imgur.com/pLhQu.jpg

所以第一张图片是一条直线。第二和第三个是数字“ 2”，最后一个是7。

我将这些文件上传到colab的tmp文件夹中：

test1=tf.keras.preprocessing.image.load_img(
    '/tmp/handwritten1.jpg',color_mode='grayscale',target_size=(28,28),interpolation='nearest'
)

test2=tf.keras.preprocessing.image.load_img(
    '/tmp/handwritten2.JPG',interpolation='nearest'
)

test3=tf.keras.preprocessing.image.load_img(
    '/tmp/handwritten2a.JPG',interpolation='nearest'
)

test4=tf.keras.preprocessing.image.load_img(
    '/tmp/handwritten7.JPG',interpolation='nearest'
)

例如显示test2：

img_array = tf.keras.preprocessing.image.img_to_array(test2)

X = img_array.reshape([28,28]);
plt.gray()
plt.imshow(X)

预测它们：

img_array1 = tf.keras.preprocessing.image.img_to_array(test1) / 255.0
img_array1 = tf.expand_dims(img_array1,0)
img_array2 = tf.keras.preprocessing.image.img_to_array(test2) / 255.0
img_array2 = tf.expand_dims(img_array2,0)
img_array3 = tf.keras.preprocessing.image.img_to_array(test3) / 255.0
img_array3 = tf.expand_dims(img_array3,0)
img_array4 = tf.keras.preprocessing.image.img_to_array(test4) / 255.0
img_array4 = tf.expand_dims(img_array4,0)

prediction1 = model.predict(img_array1)
prediction2 = model.predict(img_array2)
prediction3 = model.predict(img_array3)
prediction4 = model.predict(img_array4)

print(prediction1)
print(prediction2)
print(prediction3)
print(prediction4)

第一个图像，即直线，以0.518的最高logit分类为5？ 第二张图片，最高logit为1.819作为数字3。 第三张图片，数字为6.83。 第四张图片，编号为8.08。

我承认，确实可以将7误认为是2。但是，这些都是错误的预测。特别是第一张图片，直线是我不明白的。显然这应该是1，但是数字5出现的可能性最高。我期望有更好的预测。这是什么问题？