我正在尝试制作一个基于CNN的性别分类器，它在测试集的图像上运行良好，但当我输入从谷歌搜索的图像时，总是被分类为男性。我尝试从这里获取答案，但没有解决问题。

data = pd.read_csv('/content/age_gender.csv')## 将像素转换为numpy数组data['pixels']=data['pixels'].apply(lambda x:  np.array(x.split(), dtype="float32"))classification = ['Male', 'Female']X = np.array(data['pixels'].tolist())## 将像素从1D转换为3DX = X.reshape(X.shape[0],48,48,1)X = X / 255.0y = data['gender'].valuesX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.22, random_state=37)model = Sequential.....   # 创建并编译CNNhistory = model.fit.....          # 拟合模型并评估，得到val_accuracy: 0.8902

测试损失: 0.24722696840763092测试准确率: 0.8912960290908813

当我使用以下代码预测来自测试集的图像时，它运行正常。

index = 5009image = X_test[index]pred = model.predict(image.reshape(1, 48, 48, 1), batch_size=1)print(classification[pred.argmax()])

但当我尝试预测来自谷歌的图像时，总是返回男性。

file = "/content/female-2.jpeg"image = cv.imread(file, cv.IMREAD_GRAYSCALE)image = cv.resize(image, (48, 48))image = image.reshape(1, 48, 48, 1)image = image.astype('float32')image = 255-imageimage /= 255pred = model.predict(image.reshape(1, 48, 48, 1), batch_size=1)print(classification[pred.argmax()])

我尝试了许多不同女性的图像，但结果总是返回男性。我在这里遗漏了什么？

回答：

你对来自谷歌的图像的预处理方式与训练模型时不同。像素值的归一化是导致问题的根源。

image = 255-imageimage /= 255

这应该改为:

image /= 255.0