Keras中validation_split未按预期划分验证集问题求助

• 实际加载的样本数未达预期：你以为训练集有24977张图像，但实际导入到x_2和y中的样本数只有7030张——703正好是7030的10%。大概率是图像加载环节出了问题：
  • 部分图像格式损坏、不兼容，加载时被自动跳过；
  • 图像路径配置错误，仅加载了部分文件夹下的图像；
  • 数据预处理时意外截断了数据集（比如误写了x_2 = x_2[:7030]这类切片代码）。
• 误解validation_split的逻辑：Keras的这个参数是基于传入model.fit()的实际样本数计算验证集大小的，而非你预设的原始训练集总数。输入数据的样本数不对，验证集规模自然会偏离预期。

1. 先确认实际样本数
   在model.fit()前添加代码，核实真实的样本量：

   print(f"x_2的样本数: {x_2.shape[0]}")
   print(f"y的样本数: {y.shape[0]}")
   

   如果输出不是24977，直接聚焦数据加载环节排查问题。

2. 检查图像加载流程

   • 去原始图像文件夹统计真实有效图像数量，排除隐藏文件、损坏无法读取的图像；
   • 核对加载代码（无论是用PIL、OpenCV还是Keras的ImageDataGenerator），查看是否有跳过错误图像的逻辑，统计成功加载的图像总数；
   • 若使用flow_from_directory，确认target_size、class_mode等参数配置正确，避免遗漏类别或图像。

3. 确保输入与标签样本数一致
   Keras训练前会检查x_2和y的样本数是否匹配，若不匹配会直接报错，但如果加载时部分图像对应的标签丢失，也可能出现样本数不一致的情况，需仔细核对。

4. 手动分割验证集（更稳妥）
   嫌validation_split逻辑不直观的话，直接手动切分数据集，可控性更强：

   from sklearn.model_selection import train_test_split
   
   x_train, x_val, y_train, y_val = train_test_split(x_2, y, test_size=0.1, random_state=42)
   model.fit(x_train, y_train, epochs=5, validation_data=(x_val, y_val))
   

   这种方式能精准控制验证集比例，固定随机种子还能保证实验结果可复现。

内容的提问来源于stack exchange，提问作者linh dao