Keras模型predict全输出1.，训练准确率却极高的问题求助

嘿，我碰到过类似的坑，先给你捋捋最可能的原因和解决办法：

最核心的问题：预测数据预处理和训练数据不一致 #

你看代码里，训练和验证阶段用ImageDataGenerator做了rescale=1. / 255，把像素值从0-255缩到了0-1，但预测的时候直接读图片转成数组，完全没做归一化！模型是用归一化后的数据训练的，突然喂给它0-255的原始像素，它肯定懵了，输出全1一点都不奇怪。

修复方法：给预测数据加上同样的归一化 #

修改你的预测代码段：

filelist = glob.glob('/Binary Classifier/data/image_data/*.png')
x = []
for fname in filelist:
    img = Image.open(fname)
    img_array = np.array(img)
    # 必须和训练时一样做归一化！
    img_array = img_array / 255.0
    x.append(img_array)
x = np.array(x)
x = np.expand_dims(x, axis=3)  # 保持输入形状和模型一致：(样本数, 28, 28, 1)
ones = model.predict(x)

其他需要排查的点 #

1. 确认类别映射关系
   训练时flow_from_directory会按文件夹的字母顺序给类别分配0和1，你可以在训练完后加一行：

print("类别映射：", train_generator.class_indices)

比如输出如果是{'clear': 0, 'blurry': 1}，那模型输出1代表模糊类，你得确认测试集里是不是真的不全是模糊图——不过大概率不是这个问题，但确认一下没坏处。

2. 检查测试图片的格式
   确保所有测试图都是28×28的灰度图（模式为L），可以加个小检查：

for fname in filelist:
    img = Image.open(fname)
    print(f"图片：{fname}，尺寸：{img.size}，模式：{img.mode}")

如果有尺寸不对或者彩色图，也会导致模型输出异常。

3. 验证集准确率是否正常？
   你只说了训练准确率近乎完美，但如果验证准确率很低，那可能是模型过拟合了，但这种情况一般不会输出全1，所以优先级低于预处理问题。

总结 #

90%的概率是预测数据没归一化导致的，先改这个试试，应该就能解决问题了！

内容的提问来源于stack exchange，提问作者Steven Chan