我在Keras中训练了一个模型（二元图像分类，重训练的Xception模型）。现在如果我输入

model.predict(np.random.rand(1, 300, 300, 3))

我得到的输出是

array([[0.68225867, 0.3177413 ]], dtype=float32)

这就是我希望用真实图像得到的结果。然而，当我这样输入真实图像时：

from scipy.misc import imread,imresizex=imread('processed_dataset/test/EM/bull_212.jpg',mode='RGB')x=imresize(x,(300,300))x=np.invert(x)x=x.reshape(-1,300,300,3)model.predict(x)

我总是得到相同的输出：

array([[1., 0.]], dtype=float32)

无论输入什么图像，模型输出的都是[1., 0]。如果我这样输入图像，结果也是一样的：

img = image.load_img('processed_dataset/test/EM/bull_212.jpg', target_size=(img_width, img_height))x = image.img_to_array(img)x = np.expand_dims(x, axis=0)images = np.vstack([x])model.predict(images, batch_size=1)

我的想法是：如果输入一个np.random生成的“图像”能得到期望的结果，那么问题就在于我如何输入真实图像。如何正确地做这件事以得到我想要的结果？

回答：

看起来你没有应用训练模型时使用的归一化处理，如果不这样做，那么输入将完全不同，这会使神经元饱和，产生不一致的输出。