如何使用异常图像测试我的卷积神经网络代码？

Question

我是深度学习 (CNN) 的初学者。我使用此代码 :(http://learnandshare645.blogspot.com/2016/06/feeding-your-own-data-set-into-cnn.html) 来了解有关卷积神经网络的更多信息。 python 代码只是将数据拆分为 "train" 和 "test" 两部分，代码中没有验证部分。 那么，如何在包含正常和异常等不同图像的代码中添加验证文件夹？ 我的目标是：将异常图像（该图像与机器之前训练过的训练和测试图像完全不同）提供给代码以查看不同的结果。

Answer 1

根据代码，"test"集用作验证。你知道这一点是因为测试集上的模型 "fits"，即你有：

model.fit(...validation_data=(X_test, Y_test)

这只是命名法，但可能会造成混淆。在训练期间，模型永远不会看到真实的测试集。您需要 "hold out" 来自训练的额外数据集并正确命名数组。假设您希望测试集占训练数据的 10%，只需：

# Split your data into train/validation
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=4)

# Split into train/test
X_train, X_test, y_train, y_test = train_test_split(X_train, y_train, test_size=0.1, random_state=4)

...more code

# Train you model
model.fit(...validation_data=(X_val, Y_val)

...more code

# Now evaluate on the test data
score = model.evaluate(X_test, Y_test, show_accuracy=True)

如何使用异常图像测试我的卷积神经网络代码？

How can I test my Convolutional Neural Network code with anomaly images?

neural-network

conv-neural-network

keras