CNN猫狗分类val_accuracy80%但混淆矩阵、分类报告准确率仅50%排查

你遇到的准确率差异问题和单样本预测逻辑无关，核心错误出在测试集生成器的参数配置上：

• 调用flow_from_directory构建测试集迭代器时，你没有手动关闭打乱开关，接口默认shuffle=True，每次迭代取batch时会随机打乱测试集样本顺序
• 训练过程中输出的80%验证准确率是准确的：因为训练时迭代器每输出一个batch，会同步返回该batch内样本匹配的真实标签，直接计算的精度不存在顺序错位
• 你后续手动调用cnn.predict(test_set)做批量预测时，输出的预测结果是按打乱后的样本顺序排列的，但你读取的test_set.classes是按文件目录排序的固定顺序真实标签，两者顺序完全不匹配，用这两个错位的数组计算混淆矩阵、分类报告，结果自然和随机猜测（50%左右准确率）差不多，没有参考价值。

1. 修改测试集生成器初始化代码，关闭样本打乱，保证预测结果和真实标签顺序一一对应：

   test_set = test_datagen.flow_from_directory(                                            
           '/content/drive/MyDrive/ML Tutorial/CNN/dataset/test_set',
           target_size=(64, 64),
           batch_size=32,
           class_mode='binary',
           shuffle=False
   )
   

2. 补充单样本预测的归一化逻辑，和训练预处理规则对齐：你训练时对所有图像做了1/255的像素值缩放，单张预测时也需要做相同处理，否则单样本预测结果会失准：

   test_image = image.load_img('/content/drive/MyDrive/ML Tutorial/CNN/dataset/single_prediction/cat_or_dog_1.jpg', target_size=(64, 64))
   test_image = image.img_to_array(test_image)
   test_image = test_image / 255.0  # 新增：和训练时的rescale操作保持一致
   test_image = np.expand_dims(test_image, axis = 0)
   

修改完成后重新运行预测、指标计算代码，得到的测试集准确率会和训练日志显示的80%左右的结果一致。

内容的提问来源于stack exchange，提问作者Aritra Mandal