Keras ResNet50训练正常但测试评估返回0准确率0损失问题排查

用Keras实现的ResNet50适配HuggingFace的tiny-imagenet数据集后，训练、验证阶段能正常输出损失和准确率，但测试时模型返回0%准确率和0.0损失。之前看到Stack Overflow上有自定义模型重写test_step的解决方案，但这个方案不适用于当前场景。使用环境为Python 3.8.12、TensorFlow 2.9.1，相关代码及输出如下：

模型构建代码 #

from tensorflow.keras.applications.resnet import ResNet50, preprocess_input
class ResNet_Interface:
  def __init__(self, incoming_data_shape):
    self.incoming_data_shape = incoming_data_shape 
    self.model = ResNet50(input_shape=self.incoming_data_shape,
                                                include_top=True,
                                                weights=None, classes=200)
    self.model.trainable = True
    self.pre_process = preprocess_input
  
  def get_model(self):
    return self.model

训练评估代码 #

def evaluate_model_imagenet(dataset, resnet_interface):
    model = resnet_interface.get_model()
    pre_process = resnet_interface.pre_process
    opt = Adam()
    model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])
    score = model.fit(pre_process(dataset['x_train']), dataset['y_train'],
        batch_size=64,
        epochs=1,
        verbose=2,
        validation_data=(pre_process(dataset['x_val']), dataset['y_val']))
            
    test_score = model.evaluate(pre_process(dataset['x_test']), verbose=2)

输出示例 #

1563/1563 - 227s - loss: 5.0075 - accuracy: 0.0418 - val_loss: 4.5963 - val_accuracy: 0.0833 - 227s/epoch - 145ms/step
94/94 - 1s - loss: 0.0000e+00 - accuracy: 0.0000e+00 - 569ms/epoch - 6ms/step

• 测试集标签未传入：调用model.evaluate时只传入了测试集的特征数据，没有传对应的标签dataset['y_test']。使用categorical_crossentropy损失函数时，无标签输入会直接跳过损失计算返回0.0；准确率计算依赖标签与预测结果的对比，没有标签自然无法得到有效数值，返回0%。
• （次要可能）测试集数据本身异常，比如样本为空、标签格式不匹配，但从代码逻辑看，核心问题就是缺失测试标签。

直接修改训练评估函数里的测试评估代码，在model.evaluate中同时传入测试集的特征和标签：

test_score = model.evaluate(pre_process(dataset['x_test']), dataset['y_test'], verbose=2)

额外可以做以下验证确保数据有效性：

• 检查dataset['y_test']的形状是否为(测试样本数, 200)的独热编码格式，与模型输出维度匹配
• 确认测试集样本数量不为空，且标签取值在0-199范围内（对应tiny-imagenet的200个类别）

内容的提问来源于stack exchange，提问作者Pedro Carvalho