神經網絡模型預測意想不到的結果

我想創建一個能夠自己玩賽車遊戲的CNN。我已經訓練了模型30.000樣，我的特點（x_test）的框架和我的標籤（y_test）是世界艾滋病鍵（獨熱編碼）但我的模型預測這個，而不是預測 3個概率：神經網絡模型預測意想不到的結果

[ 1. 0. 0.] 
[ 1. 0. 0.] 
[ 1. 0. 0.] 
[ 1. 0. 0.] 
[ 1. 0. 0.] 
[ 1. 0. 0.]

問題在我的模型結構中，還是我需要更大的數據集？

我的代碼是：

培訓

classifier = create_model() 
     train_data=np.load('data1/final_data.npy') 
     for i in range(52): 
      file_name = 'data2/training_data-{}.npy'.format(i) 
      train_data_2=np.load(file_name) 
      train_data=np.concatenate((train_data,train_data_2))  
     shuffle(train_data) 
     x=train_data[:,0] 
     y=train_data[:,1] 
     train_data=[] 
     x=x.tolist() 
     x=np.array(x) 
     y=y.tolist() 
     y=np.array(y) 
     classifier.fit(x,y, epochs=5, batch_size=32) 
     classifier.save('/output/model.model')

型號

def create_model(): 
    classifier = Sequential() 
    classifier.add(Conv2D(96,(3,3),input_shape=(120,160,3),activation='relu')) 
    classifier.add(MaxPooling2D(pool_size=(2,2))) 
    classifier.add(Conv2D(256,(3,3),activation='relu')) 
    classifier.add(MaxPooling2D(pool_size=(2,2))) 
    classifier.add(Conv2D(384,(3,3),activation='relu')) 
    classifier.add(Conv2D(384,(3,3),activation='relu')) 
    classifier.add(Conv2D(256,(3,3),activation='relu')) 
    classifier.add(MaxPooling2D(pool_size=(2,2))) 
    classifier.add(Flatten()) 
    classifier.add(Dense(units = 2048, activation = 'relu')) 
    classifier.add(Dropout(0.5)) 
    classifier.add(Dense(units = 2048, activation = 'relu')) 
    classifier.add(Dropout(0.5)) 
    classifier.add(Dense(units = 3, activation = 'softmax')) 
    classifier.compile(optimizer = 'rmsprop', loss = 'categorical_crossentropy', 
    metrics = ['accuracy']) 
    return classifier

儀

 def straight(): 
      ReleaseKey(A) 
      ReleaseKey(D) 
      PressKey(W) 
     def left(): 
      ReleaseKey(D) 
      PressKey(W) 
      PressKey(A) 

     def right(): 
      ReleaseKey(A) 
      PressKey(W) 
      PressKey(D) 

     def main(): 
      model=load_model('model.model') 

      for i in list(range(5))[::-1]: 
       print(i+1) 
       time.sleep(1) 

      paused = False 
      while(True): 

       if not paused: 
        screen = grab_screen(region=(0,64,640,480)) 
        screen = cv2.resize(screen, (160,120)) 
        screen = cv2.cvtColor(screen, cv2.COLOR_BGR2RGB) 
        screen = np.expand_dims(screen, axis = 0) 
        prediction = model.predict(screen)[0] 
        print(prediction) 

        maxval=max(prediction) 

        if prediction[1] == maxval: 
     #    straight() 
         print('straigh',maxval) 
        elif prediction[2] == maxval: 
     #    right() 
         print('right',maxval) 
        elif prediction[0] == maxval: 
     #    left() 
         print('left',maxval) 
     # 
     #  keys = key_check() 
     # 
     #  if 'P' in keys: 
     #   if paused: 
     #    paused = False 
     #    time.sleep(1) 
     #   else: 
     #    paused = True 
     #    ReleaseKey(A) 
     #    ReleaseKey(W) 
     #    ReleaseKey(D) 
     #    time.sleep(1) 

     main()

來源

2017-09-03 Deepak Chauhan

你爲什麼決定培訓這5個時代？這5個時期後的培訓和驗證/測試準確度是多少？數據集是否平衡？ –

損失：10.6982 - acc：0.3363。我的數據集是平衡的。訓練時是否需要提供訓練集以外的驗證集？ –

您應該有一個驗證集，以檢測過度擬合。這個損失很高，準確性很低，你要麼需要訓練模型更長的時間，要麼可以做出更深的模型。甚至在查看預測之前，你應該調整時代和學習速度。 –