Keras中model.evaluate_generator与实际准确率偏差过大问题咨询

这种准确率跳崖式的差异我碰到过好多次，大概率是几个细节没处理到位，咱们一步步拆解排查：

最可能的原因：生成器的状态没重置 #

Keras的flow_from_directory生成的是有状态的迭代器，每次调用evaluate_generator或者predict之后，它的指针会停在最后一个处理的batch位置。如果你在调用predict_classes前没有重置生成器，它会从上次中断的地方继续处理，导致你只统计了测试集的一部分样本，准确率自然就错得离谱。

解决方法：在每次使用生成器前，一定要调用reset()：

test_generator.reset()  # 重置到测试集开头
eval_loss, eval_acc = model.evaluate_generator(test_generator, steps=np.ceil(test_generator.samples / test_generator.batch_size))

test_generator.reset()  # 再次重置，确保predict从开头开始
preds = model.predict_classes(test_generator, steps=np.ceil(test_generator.samples / test_generator.batch_size))

第二个坑：predict时没处理完所有样本 #

如果你的测试集样本数不能被batch_size整除，生成器最后一个batch的样本数会小于batch_size。如果调用predict_classes时没有指定steps参数，Keras可能只会处理整数个batch，漏掉最后几个样本，导致统计的样本数不对。

正确做法：用np.ceil(test_generator.samples / test_generator.batch_size)来计算需要处理的steps，确保覆盖所有样本：

import numpy as np
steps = np.ceil(test_generator.samples / test_generator.batch_size)
preds = model.predict_classes(test_generator, steps=steps)

第三个可能：标签对应关系搞反了 #

flow_from_directory会按文件夹的字母顺序给类别分配编码（比如文件夹cat对应0，dog对应1），你可以通过test_generator.class_indices查看这个映射关系。如果手动统计时把真实标签和预测标签的对应关系搞反了，比如把真实的cat当成1，预测的0当成错误，那准确率肯定不对。

正确的统计方式：直接用生成器自带的classes属性获取所有真实标签，然后和预测结果对比：

true_labels = test_generator.classes
predict_acc = np.mean(preds == true_labels)
print(f"手动统计准确率：{predict_acc}")

额外提醒：TensorFlow 2.x的兼容问题 #

如果用的是TF2.x，predict_classes已经被弃用了，官方推荐用predict后取argmax来得到类别：

test_generator.reset()
pred_probs = model.predict(test_generator, steps=steps)
preds = np.argmax(pred_probs, axis=1)  # 多分类场景

最后验证：检查预处理是否一致 #

确保你手动预测时的图片预处理和test_datagen的设置完全一致，比如rescale=1./255、归一化、裁剪等操作。如果手动加载图片时没做同样的预处理，模型的预测结果会失真，准确率自然不匹配。

内容的提问来源于stack exchange，提问作者Sugrue