Keras扑克牌图像分类训练准确率99%，重载模型后预测全部错误

类标签映射校验 #

• 确认训练阶段通过flow_from_directory生成的class_indices标签字典，和预测阶段加载的标签字典顺序完全一致。flow_from_directory默认按文件夹名的字典序分配标签序号，若保存分类字典的逻辑和重载逻辑不匹配，会出现标签整体错位的问题。
• 可直接使用训练阶段定义的测试集ImageDataGenerator调用model.predict输出预测结果，和手动单张加载图片的预测结果做对比，若前者正确后者错误，即可锁定为标签映射问题。

图像预处理一致性校验 #

• 检查训练时ImageDataGenerator配置的预处理操作（比如rescale=1./255归一化），手动加载单张图像预测时是否做了完全相同的处理，常见的错误包括漏做归一化、图像通道顺序混淆（RGB/BGR搞反）、输入尺寸不匹配。
• 确认Keras后端的轴顺序配置，channels_first和channels_last对应的输入张量shape格式不同，配置不匹配会导致模型特征提取完全失效。

模型保存与重载逻辑校验 #

• 若你是分开存储模型结构和权重，确认重载时构建的模型结构和训练阶段完全一致，不存在层参数写错、漏层的问题。
• 跨Keras/TensorFlow版本加载模型时，可能出现权重加载不完整但无报错的情况，可在模型加载权重前后打印相同卷积层的权重数值做对比，确认权重确实加载成功。

数据增强隐藏逻辑校验 #

• 若训练用的ImageDataGenerator配置了featurewise_center、samplewise_center这类基于数据集统计值的预处理操作，预测阶段必须使用训练集的统计值做相同处理，否则会导致输入数据分布和训练时完全不一致，预测结果全部错误。

内容的提问来源于stack exchange，提问作者Nickpick