我在R中训练了一个Keras模型，处理了存储在文件夹中的四类图像。我使用了train_datagen和重缩放功能：

train_datagen = image_data_generator(  rescale = 1/255,  rotation_range = 40,  width_shift_range = 0.2,  height_shift_range = 0.2,  shear_range = 0.2,  zoom_range = 0.2,  horizontal_flip = TRUE,  fill_mode = "nearest")

然后我用以下代码使用我的模型来预测一张新图像，但即使我的训练准确率达到了80%，结果仍然非常差。

model <- load_model_hdf5("my_model.h5")img <- image_load(image, target_size = c(64,64))x <- image_to_array(img)x <- array_reshape(x, c(1, dim(x)))x <- imagenet_preprocess_input(x)predictions <- model %>% predict(x)

我想知道在预测新图像时是否需要像训练时那样进行重缩放处理，还是应该在训练时不进行重缩放？如何在预测中实现重缩放？

回答：

在测试阶段，您应该对数据应用与训练阶段相同的预处理步骤。由于您在训练阶段仅使用了重缩放，因此在测试阶段也只需要进行重缩放处理。因此，删除x <- imagenet_preprocess_input(x)，改用x <- x / 255.0。