为什么tensorflow模型总是预测同一类？

我的TensorFlow模型始终以100％的知己来预测同一类。

首先简要说明一下我的设置：任务是对图像进行7类分类并从网络摄像头读取图像。为了训练，验证和测试模型，我使用了带有数据生成器的TensorFlow。

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Conv2D(32,(3,3), activation='elu',input_shape=(image_heigth,image_width,3)))
model.add(tf.keras.layers.Conv2D(64,(3,3), activation='elu'))
model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(128,(3,3), activation='elu'))
model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(256,(3,3), activation='elu'))
model.add(tf.keras.layers.Conv2D(256,(3,3), activation='elu'))
model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(512,(3,3), activation='elu'))
model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Dropout(0.3))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(512, activation='elu'))
model.add(tf.keras.layers.Dense(7, activation='softmax'))

model.summary()

model.compile(loss='categorical_crossentropy', optimizer=tf.keras.optimizers.RMSprop(lr=1e-4), metrics=['acc'])

仅供参考，这是我的模型。培训，验证和测试使用以下代码完成：

train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, rotation_range=40, shear_range=0.2,zoom_range=0.2, horizontal_flip=True)
validation_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
test_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(train_dir, target_size=(image_heigth,image_width),batch_size=batch_size, class_mode='categorical', shuffle=True)
validation_generator = validation_datagen.flow_from_directory(validation_dir, target_size=(image_heigth,image_width), batch_size=5, class_mode='categorical')

for data_batch, labels_batch in train_generator:
    print('Shape des Datenstapels:', data_batch.shape)
    print('Shape des Klassenbzeichnungsstabels:', labels_batch.shape)
    break

history = model.fit(train_generator,steps_per_epoch=steps_per_epoch, epochs=epochs, validation_data=validation_generator,validation_steps=10, callbacks=callback_list)

# Testing the Model
test_generator = test_datagen.flow_from_directory(test_dir, target_size=(image_heigth,image_width), batch_size=5, class_mode='categorical')
test_loss, test_acc = model.evaluate(test_generator, steps=5)
predictions = model.predict(test_generator)
image_batch, label_batch = next (test_generator) 

我的正确分类率高达90％。我的损失函数下降到约0.3。调试测试并观察预测会得到期望值，例如[0.08; 0.06; 0.56; 0.04; 0.10; 0.09; 0.07]。

最后，我使用TensorFlow方法将模型另存为h5。

在另一个python程序中，我正在加载此h5，并希望预测网络摄像头图像。但是现在输出始终为[1.0; 0.0; 0.0; 0.0; 0.0; 0.0; 0.0]。这是我如何执行此操作的代码：

 import numpy as np
import cv2
import tensorflow as tf

model = tf.keras.models.load_model('/home/poppe/Dokumente/Models/Proto2.h5')

classes = ['One', 'two', 'three', 'four', 'five', 'six', 'seven']

model.summary()

cap = cv2.VideoCapture(0)

while(True):
    # Capture frame-by-frame
    ret, frame = cap.read()
    # Our operations on the frame come here
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    rezised = cv2.resize(frame, (150, 150))
    expandArrayImage = np.expand_dims(rezised, axis=0)


    prediction = model.predict(expandArrayImage)

    print (np.max(prediction))
    print(classes[np.argmax(prediction)])

    # Display the resulting frame
    cv2.imshow('frame',frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# When everything is done, release the capture
cap.release()
cv2.destroyAllWindows()

如您所见，我正在使用OpenCV从网络摄像头读取内容。

为了解决我的问题，我尝试了以下方法：将模型减少到最小->没有效果

将我的问题简化为二进制分类->无效（总是以100％预测两个类之一）

加载并预测单个图像->没有效果

在测试代​​码之后直接加载和预测单个图像（不必保存和加载模型）->没有效果，该图像是我的测试图像之一...通过测试该图像是否正确分类，加载它作为一个单一的图像，并使用预测方法，我有与bevor相同的错误。

因此，由于测试按预期运行，因此我认为我的数据或模型没有问题。将网络摄像头图像从OpenCV转换为TensorFlow模型有什么问题吗？

您还有其他想法可以尝试解决吗？

非常感谢！:)