Us import tflearn dataset_file = 'my_dataset.txt' X , Y = tflearn . data_utils . image_preloader ( dataset_file , image_shape = ( 128 , 128 ), categorical_labels = True , mode = 'file' , grayscale = True , normalize = True ) net = tflearn . input_data ( shape = ( 128 , 128 )) net = tflearn . full_connected ( net , 2 , activation = 'linear' ) net = tflearn . регрессия ( нетто , оптимизатор = 'adam' , убыток = 'категориальный_crossentropy' ) model = tflearn . DNN ( чистая , tensorboard_verbose = 3 ) модель . подходит ( X , Y ) для печати ( модель . предсказываю ( X )) нг tflearn, я пытаюсь классифицировать изображения.
Мой код
1.jpg 1
2.jpg 1
3.jpg 1
4.jpg 1
5.jpg 0
6.jpg 0
7.jpg 0Файл набора данных выглядит следующим образом:
[[2.9711711406707764, -3.049826145172119], [9.435855865478516, -11.466367721557617], [-3.7774205207824707, -4.090094089508057], [-7.006657600402832, -3.4418578147888184], [-18.654706954956055, -0.9354709982872009], [-17.237045288085938, -3.1278553009033203], [-18.066274642944336, -1.6454157829284668]]... где 1 и 0 - классы изображений.
Мои предсказания не то, что я ожидаю, хотя:
fully_connectedЯ ожидаю увидеть совпадение для типа изображения 1 или 0. «softmax'ust новичок в tflearn, не уверен, что делать.
Попробуйте изменить свой слой, чтобы использовать активациюnet = tflearn.fully_connected(net, 2, activation='softmax')predictions = [[0.999962568283081, 3.739727253559977e-05], [0.999962568283081, 3.739727253559977e-05], ...]
predictions[i][j]Теперь вы должны получать выходные данные формы:
ithВот jвероятность того, что iэлемент в наборе тестов имеет класс j. Вы заметите , для всех i«ssum(predictions[i]) == 1.0