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。这个python代码只是将数据拆分为"训练"和"测试"两部分，代码中没有验证部分。那么，如何将验证文件夹添加到包含不同图像(例如正常和异常(的代码中？我的目标是：给代码一个异常的图像(这个图像与机器之前训练过的训练和测试图像完全不同(，以便看到不同的结果。

Answer 1

根据代码，"测试"集用作验证。您知道这一点，因为模型"适合"测试集，即您有：

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

这只是命名法，但可能会令人困惑。在训练期间，模型永远不会看到真正的测试集。您需要从训练中"保留"一个额外的数据集并正确命名数组。假设您希望将测试集作为训练数据的 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)