为何Keras内置与自定义生成器读取同图得到不同numpy数组？

我之前也碰到过类似的问题——视觉上图片看起来完全一样，但numpy数组就是有差异，最终导致模型性能差很多。结合你的代码和描述，我整理了几个关键的排查点和修复方案：

1. 最可能的原因：图像resize参数未对齐 #

你的Keras内置生成器flow_from_dataframe里明确指定了两个影响像素值的关键参数：

• target_size=(img_size, img_size)：强制将图片缩放到256x256尺寸
• interpolation='nearest'：使用最近邻插值完成缩放逻辑

但你的自定义生成器DataGenerator3里的load_img调用完全没指定这两个参数：

img = load_img(img_row)  # 未传target_size和interpolation

默认情况下：

• load_img不会自动缩放图片，若原始图片尺寸不是256x256，这里会直接读取原尺寸，赋值到预设的256x256数组时会报错（你没报错说明原图片刚好是256x256，但这是侥幸情况）；
• load_img的默认插值方式是bilinear，和你内置生成器用的nearest完全不同——即使图片尺寸一致，插值逻辑的差异（比如边缘像素处理）也会导致像素值出现细微差别，这些差别在模型训练中会被放大，最终导致误差飙升。

修复方案 #

修改__data_generation里的load_img调用，严格对齐参数：

img = load_img(img_row, target_size=self.dim[:2], interpolation='nearest')

2. 浮点精度的细微差异 #

即使所有预处理逻辑完全对齐，由于浮点计算的精度问题，两个生成器输出的数组也可能无法通过np.array_equal的严格比较（它要求每个元素完全一致）。你可以用np.allclose做宽松比较，允许极小的误差范围：

print(np.allclose(img1, img2, atol=1e-6))  # 元素差异小于1e-6即返回True

如果这个返回True，说明视觉一致的背后，数值差异只是浮点精度问题，不会影响模型性能；如果返回False，说明还有其他预处理逻辑没对齐。

3. 额外的一致性检查 #

• 显式指定颜色模式：虽然你已经用了color_mode='rgb'和默认RGB的load_img，但可以显式添加color_mode='rgb'参数到load_img中，避免潜在的默认值变化；
• 确认数据类型：你的自定义生成器里把X转成了float32，和Keras内置生成器的输出类型一致，这部分是正确的；
• 索引逻辑验证：自定义生成器里的n_index是子数据框的迭代索引，由于batch_size=1，这里没问题，但如果batch_size更大，要确保不会出现索引越界或者赋值错误。

把这些调整后，再测试两个生成器的输出数组，应该就能对齐了，模型误差也会回到和内置生成器一致的水平。

内容的提问来源于stack exchange，提问作者Joey Fueng