Google Colab运行相同CNN代码准确率远低于本地环境问题咨询

问题背景 #

用于车辆颜色分类的CNN实现代码如下：

def cnn(trainImages, trainLabels, testImages, testLabels):
    trainImages = np.array(trainImages)
    trainLabels = np.array(trainLabels)
    testImages = np.array(testImages)
    testLabels = np.array(testLabels)

    trainImages = trainImages / 255
    testImages = testImages / 255

    model = Sequential()

    model.add(Conv2D(filters = 32, kernel_size = (3, 3), padding = 'same', activation = 'relu', input_shape = (224, 224, 3)))
    model.add(MaxPool2D(pool_size = (2, 2), strides = (2, 2)))

    model.add(Conv2D(filters = 64, kernel_size = (3, 3), padding = 'same', activation = 'relu'))
    model.add(MaxPool2D(pool_size = (2, 2), strides = (2, 2)))

    model.add(Conv2D(filters = 128, kernel_size = (3, 3), padding = 'same', activation = 'relu'))
    model.add(MaxPool2D(pool_size = (2, 2), strides = (2, 2)))

    model.add(Flatten())

    model.add(Dense(256, activation = 'relu'))
    model.add(Dense(9))

    opt = Adam(learning_rate = 0.001)

    model.compile(optimizer = opt, loss = tensorflow.keras.losses.SparseCategoricalCrossentropy(from_logits = True), metrics = ['accuracy'])

    model.fit(trainImages, trainLabels, epochs = 20, batch_size = 64)

    predictionResult = model.predict(testImages)

    pred = []
    for i in range(len(predictionResult)):
        pred.append(np.argmax(predictionResult[i], axis = -1))

    vehicles = ['Black Vehicles', 'Blue Vehicles', 'Brown Vehicles', 'Green Vehicles', 'Pink Vehicles', 'Red Vehicles', 'Silver Vehicles', 'White Vehicles', 'Yellow Vehicles']

    print('Accuracy: ', metrics.accuracy_score(testLabels, pred))

    print(metrics.classification_report(testLabels, pred, target_names = vehicles))

    print(metrics.confusion_matrix(testLabels, pred))

该模型本地运行测试集准确率可达93%，在Google Colab平台运行时最终测试准确率仅为10%，训练过程中前3个epoch训练准确率快速从10%上升到90%以上。

诱因分析 #

• 测试集图像与标签顺序不匹配：9类分类任务随机猜测准确率约为11%，与观测到的10%测试准确率高度吻合。如果Colab环境加载测试集时，图像的读取顺序和对应标签的存储顺序不一致，会导致预测结果和真实标签完全无法对齐，出现接近随机的准确率，这是最高概率的诱因。
• 标签编码映射不一致：本地训练时的类别编码顺序（如0对应黑车、1对应蓝车）如果和Colab环境下的编码顺序不一致，即使模型预测正确，后续调用classification_report时传入的vehicles列表顺序和Colab的标签编码不匹配，也会导致准确率计算结果错误。
• 数据集划分逻辑差异：本地运行时可能设置了固定随机种子来划分训练/测试集，保证分布一致；如果Colab运行时没有设置相同的随机种子，可能出现训练集和测试集分布严重偏移，最终泛化效果极差。
• 图像输入通道顺序错误：如果本地用OpenCV读取图像（默认BGR通道顺序），Colab上用PIL读取图像（默认RGB通道顺序），输入模型的颜色通道完全颠倒，会导致模型初始学习速度慢，即使训练集准确率上升，也无法泛化到测试集。
• 框架版本差异：本地TensorFlow/Keras版本与Colab默认版本不同，部分API的默认参数发生变化（如卷积层的初始化策略、Adam优化器的默认参数、损失函数的计算逻辑等），都会导致训练效果不一致。
• 预处理逻辑不一致：如果本地加载的原始图像是uint8类型（0-255取值），代码中/255归一化逻辑正确；如果Colab环境读取的图像已经被预处理为0-1取值范围，再次/255会将输入压缩到0-0.0039的极小范围，模型很难学习到有效特征，最终泛化能力差。

内容的提问来源于stack exchange，提问作者Fane Spoitoru