MNIST分类器在非MNIST数字上失败

Question

我刚刚意识到，我的MNIST数字分类器（一个卷积神经网络）在我自己的手绘数字上失败了，准确度大约为55％（黑白图像为50％，白图像为60％ -黑色图像）。

考虑到工业字符识别软件对于全新字符非常准确，因此结果令我感到惊讶。

我能够在网上找到的唯一解释就是过拟合，这似乎不太可能，因为我的模型具有98.4％的测试准确度。另一种解释是，MNIST数据集的维度实际上并不像人们希望的那样低/维数较低，这似乎不太可能。转换为灰度也不是问题（请参阅Roshin的回答下的评论）。

谁愿意看看我的模型并告诉我怎么了？我自己的角色的测试在最后一个填充的单元格中。

• https://colab.research.google.com/drive/1nAWoO3Qik0qNOk1I1kzT-V8M_FLY77HH?usp=sharing

Answer 1

问题出在线路上：

# my own hand-drawn characters
with url.urlopen(img) as file:
  x2 = im.imread(file.read())
# average color channels, put in 1-size batch, normalize
x2 = np.array([[[[np.mean(entry)] for entry in row] for row in x2]]) / 255.0

您应该将图像转换为灰度。

# my own hand-drawn characters
with url.urlopen(img) as file:
  pil_im = Image.open(file.read()).convert('L')
  img = np.array(pil_im) / 255.0
# average color channels, put in 1-size batch, normalize

您应该事先从Image导入PIL模块，

from PIL import Image