我训练了一个用于分类货币的CNN模型。在训练结束时，模型在训练和验证数据集上的表现似乎非常好。最终的准确率是：
Epoch 00020: saving model to model_weights.h5112/112 [==============================] - 243s 2s/step - loss: 0.3176 - accuracy: 0.8881 - val_loss: 0.3223 - val_accuracy: 0.9014训练准确率为88.81%，验证准确率为90.14%。但到了测试阶段，模型表现得非常糟糕。它甚至无法正确分类一张图片。对于每张图片，预测结果都是：
[0. 0. 0. 0. 0. 0. 0. 1.]共有8个类别。对于每张图片，预测结果都是这样。我使用的测试代码是从Coursera的Tensorflow专业课程中复制来的，目标尺寸也设置正确。
for fn in uploaded.keys(): path = fn img = image.load_img(path, target_size=(150, 150)) x = image.img_to_array(img) x = np.expand_dims(x, axis=0) images = np.vstack([x]) print (images.shape) classes = model.predict(images, batch_size=10) print(fn) print(classes.squeeze())结果数组的顺序应该是：
['10', '100', '20', '200', '2000', '50', '500', 'Background']根据模型的预测，所有图片都被分类为’Background’。
以下是我在测试时使用的一些图片：
能有人帮我解释一下为什么会发生这种情况吗？这将非常感激。附注：这些是印度货币。
回答：
确保你对用于训练的图片所做的处理也同样应用于用于测试的图片。例如，训练图片是否进行了重新缩放处理，比如img=img/255。这通常是你在处理训练图片时会做的事情。如果你对训练图片进行了重新缩放，那么你也必须对测试图片进行相同的缩放处理。
