为何设置class_mode=None时CNN模型评估返回[0.0, 0.0]？

• 核心原因是模型评估必须依赖真实标签：

  • 当测试集生成器设置class_mode=None时，生成器只会输出图像数据，不会返回对应的真实类别标签。而分类任务里的损失函数（比如常用的categorical_crossentropy）和准确率指标，都需要拿真实标签和模型预测结果做对比才能计算，没有真实标签的话，Keras无法完成有效计算，只能返回默认的[0.0, 0.0]。
  • 当设置class_mode='categorical'时，生成器会同时输出图像数据和one-hot编码的真实标签，模型评估时有了对比基准，自然能算出正常的损失和准确率。

• 额外说明：如果确实需要用class_mode=None的生成器，你可以手动收集测试集的真实标签，然后调用model.evaluate(x=test_generator, y=test_labels)来完成评估，前提是你能获取到测试集的标签数据。

内容的提问来源于stack exchange，提问作者Rezuana Haque