我刚刚在python3.6上安装了autokeras。经过一些错误修复，它运行良好，我可以用我的数据集训练模型。经过训练，我得到了一个精度为0.991、损失为0.06的模型。使用预测函数，它对我的测试数据集进行了分类，几乎没有任何错误。但当我导出并将其保存为keras模型时，该模型的性能非常糟糕。它对所有内容进行了错误的分类，预测函数只返回随机小数，而不是预期类的数字。我想我只是错过了一些命令，因为图像分类器工作得很好。任何帮助或提示都将是非常好的。
编辑：我基本上遵循了https://autokeras.com/start/.我对我的数据进行了预处理，使其形状(n，150，150，3(，范围在0到1之间。每个图像的代码如下：
img='/home/example_image.png'
x=image.img_to_array(image.load_img(img, target_size=(150, 150)))
x=x.reshape(1, 150, 150, 3)
x = x.astype('float32') / 255
我也试过用50x50的形状来处理图像，因为自动紧扣似乎更适合较小的形状。我的标签是长度n的列表。然后我使用网站上的代码：
clf = ImageClassifier(verbose=True)
clf.fit(x_train, y_train, time_limit=12 * 60 * 60)
clf.final_fit(x_train, y_train, x_test, y_test, retrain=True)
y = clf.evaluate(x_test, y_test)
print(y)
它返回了一个非常好的模型，具有高精度和小损失。我不能给你看输出的截图，因为我目前在家，我的笔记本电脑太弱，无法重现这个问题。当我使用以下命令时：
clf.predict(example_img)
我还得到了图像中对象数量的正确结果。当我试图用他们网站上给出的命令导出模型时，我的问题就开始了：
from autokeras import ImageClassifier
clf = ImageClassifier(verbose=True, augment=False)
clf.load_searcher().load_best_model().produce_keras_model().save('my_model.h5')
之后我加载我的模型。
import keras
from keras.models import load_model
model = load_model('my_model.h5')
它给了我一些错误：
"用户警告：在保存文件中找不到训练配置：模型未编译。请手动编译。warnings.warn('在保存文件中找不到训练配置：'">
我搜索了它，但人们说忽略它。但当我尝试在这个加载的模型中使用预测时，我总是得到一些随机十进制值的数组，这些值通常是负数。分类总是错误的，因为此数组中的最高值用于错误的类。
当我再次使用ML电脑在办公室时，我将用更多的屏幕截图和详细信息编辑此文本。
编辑2：当我训练模型时，这是最好的模型：
+--------------------------------------------------------------------------+
| Father Model ID | Added Operation |
+--------------------------------------------------------------------------+
| | ('to_add_skip_model', 1, 5) |
| | ('to_wider_model', 1, 64) |
| | ('to_wider_model', 5, 64) |
| 5 | ('to_conv_deeper_model', 9, 3) |
| | ('to_conv_deeper_model', 23, 3) |
| | ('to_concat_skip_model', 5, 9) |
+--------------------------------------------------------------------------+
Saving model.
+--------------------------------------------------------------------------+
| Model ID | Loss | Metric Value |
+--------------------------------------------------------------------------+
| 6 | 0.014135746611282229 | 1.0 |
+--------------------------------------------------------------------------+
之后，我使用final_fit并尝试了predict_function：
>>> clf.predict(test_images)
array([ 0., 0., 0., ..., 12., 12., 12.])
这是预期的输出。评估也给出了良好的结果：
>>> y = clf.evaluate(test_images, test_labels)
>>> print(y)
0.9969230769230769
然后我将模型导出为keras模型并再次加载：
>>> from keras import models
>>> clf.load_searcher().load_best_model().produce_keras_model().save('keras_best_model.h5')
>>> model = models.load_model('keras_best_model.h5')
一切都很好，我没有错。但当我现在使用predict_function时，它会返回错误的结果：
>>> model.predict(test_images[0].reshape(1, 50, 50, 3))
array([[ 2.5287893, -2.2281592, -2.8172228, 1.1171696, -5.8477755,
-3.1250796, 1.4904132, 1.1068834, -4.982565 , -1.6350467,
-4.3806715, -2.7464929, -6.1051216]], dtype=float32)
所以clf.predict给我一个数字，model.prpredict给出一个数组。它不应该是一样的吗？几乎所有的预测都是错误的。当我评估模型时，这是输出：
>>> model.evaluate(test_images, test_labels1)
2600/2600 [==============================] - 1s 569us/step
[5.251570468682509, 0.10115384615384615]
与clf的评估相比，这是完全糟糕的，我不知道为什么。
在新版本(0.3.6(中，似乎是
clf.load_searcher().load_best_model().produce_keras_model().save('keras_best_model.h5')
被移除。目前，您可以使用"autokeras.utils.pickle_to_file"进行保存，使用"autokeras.utils.cpickle_from_file"加载模型。这不是一个常见的keras模型，但我们可以得到相同的结果。