我正在构建一个CNN来对6个类别的50×50像素灰度图像进行分类（每个类别1400张）。在训练模型并评估损失和准确率后，一切似乎都运行良好，训练准确率约为98%，损失降至3.0，但当在测试数据上评估每个类别的模型时，模型的表现却大相径庭。我的类别是面部表情的图像：1）愤怒2）恐惧3）快乐4）中性5）悲伤6）惊讶
这是Jupyter笔记本：https://www.floydhub.com/arse123/projects/cnn-1/20/code/train_edge.ipynb
例如，当我为每个类别输入350张测试图像时，只有愤怒和惊讶类别会被预测。
TEST IMAGES RESULTS Angry - it classified 76 angry, and 273 surprise Fear - it classified 8 angry and 342 surprise Happy - 12 angry and 338 surprise Neutral - 350 surprise Sad - 22 angry and 328 surprise Surprise - a full 350/350 classified for this one.. 显然，对愤怒和惊讶存在某种偏见，因为其他图像一次也没有被分类过。
当我在训练后运行acc.eval({x: test_images, y: test_labels, is_training : False})（这是每个类别的2100张图像及其对应的标签）时，我得到了82%的准确率，所以我不知道这是怎么发生的。模型是否有可能一直在训练这两个类别？
@NOTE: 图像和标签是一热编码的，也进行了随机洗牌，实现了批量归一化
更新
我重新训练了模型，但它对不同的类别产生了同样的影响。这次它偏向于悲伤和惊讶，而不是愤怒和惊讶。以下是结果：
Angry - Sad 259 and surprise 75Fear - Sad 118 and surprise 218 (some classifications missing here for some reason)Happy - Sad 167 times and suprise 160 times (same again, missing some classifications)Neutral - sad 94 and surprise 249Sad - sad 211 and surprise 122Surprise - Sad 284 and surprise 52回答：
代码中有一些问题，但最重要的是不知为何当is_training = False时它表现得不好。如果你设置is_training = True 即使在不训练时，那么它会给出可接受的结果。所以训练是没问题的，但评估运行得不好。
为什么会这样，我现在无法回答，但这可能值得调查。
附上在Jupyter笔记本中修复的代码。我更改了一些小东西，比如你对已经Softmax的值再次进行了Softmax，修复了这个问题，将随机洗牌改为使用numpy，将测试图像的加载改为在加载时立即进行调整大小等等。还有很多调试打印，抱歉。:)
验证准确率为88%（训练准确率96.59%）看起来合理。（也改成了10个epoch。）
