Низкая точность распознавания цифр в керасе ⇐ Python

[Anonymous]

У меня есть изображение цифр счетчика электроэнергии, и я хочу его распознать.
Я написал код для создания модели с помощью keras, и его точность составляет около 0,999. p>
Но когда я использую сохраненную модель для распознавания цифр, она иногда очень близка к 0,00 даже при использовании образцов поезда, поэтому я не могу понять, что я делаю неправильно и почему точность результата очень плохой?
Вот мой набор данных (около 25 000 изображений): https://drive.google.com/file/d/1KN_g1u ... sp=sharing
Вот мой код:
import os
import numpy as np
from tensorflow import data as tf_data
import matplotlib.pyplot as plt
import PIL
import tensorflow as tf
from keras import layers
import keras

image_size = (42, 66)
img_height = image_size[0]
img_width = image_size[1]
batch_size = 32

train_ds, val_ds = keras.utils.image_dataset_from_directory(
"D:\\Downloads\\out",
validation_split=0.2,
subset="both",
color_mode="rgb",
seed=123,
image_size=image_size,
batch_size=batch_size,
)

class_names = train_ds.class_names

AUTOTUNE = tf.data.AUTOTUNE

train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE)
val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

normalization_layer = layers.Rescaling(1./255)

normalized_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))
image_batch, labels_batch = next(iter(normalized_ds))
first_image = image_batch[0]

num_classes = len(class_names)

model = keras.Sequential([
layers.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
layers.Conv2D(32, (3, 3), activation='relu'),
layers.MaxPooling2D((2,2)),
layers.Conv2D(64, (3, 3), activation='relu'),
layers.MaxPooling2D((2,2)),
layers.Conv2D(64, (3,3), activation='relu'),
layers.Flatten(),
layers.Dense(64, activation='relu'),
layers.Dense(num_classes)
])

model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])

epochs=15
history = model.fit(
train_ds,
validation_data=val_ds,
epochs=epochs
)

model.save('D:\\Downloads\\model.keras')

################
#testing the model
################

digit = 3
directory = "D:\\Downloads\\out\\" + str(digit) + "\\"
images = []
images = os.listdir(directory)
model = keras.models.load_model('D:\\Downloads\\model.keras')

i = 0
acc = 0
for image in images:
i+=1

image_path = directory + image
image = keras.utils.load_img(image_path)
input_arr = keras.utils.img_to_array(image)
input_arr = np.array([input_arr]) # Convert single image to a batch.

predictions = model.predict(input_arr, verbose="0")
result = np.argmax(predictions)
acc+=1

if np.argmax(predictions) != digit:
acc-=1

print (acc*100/i)
print (acc)
print (len(images))


Подробнее здесь: https://stackoverflow.com/questions/787 ... n-in-keras