机器学习回归模型预测每张图像的相同值

我目前正在开展一个项目，涉及训练回归模型，保存它，然后加载它以使用该模型进行进一步的预测。但是我有一个问题。每次我对图像进行 model.predict 时，它都会给出相同的预测。我不完全确定问题是什么，也许是在训练阶段，或者我只是做错了什么。 我正在关注本教程 https://www.pyimagesearch.com/2019/01/28/keras-regression-and-cnns/

所有的文件都在这个里面github 仓库 https://github.com/tomercahal/statispic_ML

以下是代码中的一些内容： （这部分是训练模型并保存）

model = create_cnn(400, 400, 3, regress=True)
opt = Adam(lr=1e-3, decay=1e-3 / 200)
model.compile(loss="mean_absolute_percentage_error", optimizer=opt)

model.fit(X, Y, epochs=70, batch_size=8)
model.save("D:/statispic2/final-statispic_model.hdf5")

下一个代码部分是加载模型并进行预测。

model = load_model("D:/statispic2/statispic_model.hdf5")  # Loading the model
prediction = model.predict(images_ready_for_prediction) #images ready for prediction include a numpy array 
#that is loaded with the images just like I loaded them for the training stage.
print(prediction_list)

尝试后，这是模型的输出预测：

[[0.05169942]  # I gave it 5 images as parameters 
[0.05169942]
[0.05169942]
[0.05169942]
[0.05169942]]

如果有任何不清楚的地方，或者您想查看更多代码，请告诉我。

人们说回归和 CNN 是两个完全不同的东西，显然他们错过了 ML 课程中的一些基础知识。是的，他们完全不同！但不应该进行比较；）

CNN 是一种深度神经网络，通常因其在图像上的应用而闻名。因此它是一个解决问题的框架，可以同时解决回归和分类问题。

回归是指您预测的输出类型。所以说实话，直接比较两者是相当愚蠢的。

我无法对本节中误导您的具体人员发表评论，因为我需要具体的点数才能做到这一点。

然而，回到问题上来。您在保存之前或之后是否遇到此问题？如果您以前遇到过这种情况，我会尝试将您的输出值缩放到更容易的分布。如果在您保存后发生这种情况，我会查看您的框架的版本以及它们如何保存它的文档。

也可能只是图片中没有任何信息。