微调模型中的Keras精度差异 背景

在Keras中微调分类模型时，它打印了

val\u acc:0.8456

。用于微调

在微调、手动加载训练模型并预测估值集后，获得的精确度要低得多的

0.28

以下代码用于估价：

model = load_model(MODEL_PATH)
...
img = kimage.load_img(img_path, target_size=target_size)
x = kimage.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = vgg19.preprocess_input(x)
pred = model.predict(x)

问题:

---

精度差异较大的原因可能是什么

0.85！=0.28

？

您正在使用不同的预处理进行培训和测试。 具体来说,

rescale = 1./255

用于训练，但是

x = vgg19.preprocess_input(x)

用于测试

imagenet\u utils.preprocess\u input（）

所做的是减去平均值（根据名称在imagenet上计算）：

因此，它与应用于训练数据的预处理完全不同。

使用相同的

ImageDataGenerator

我的

ImageDataGenerator

是：

train_datagen = ImageDataGenerator(
    rescale=1. / 255, ...)

能够按如下方式重现其预处理：

img = load_img(image_path, target_size=target_size)
x = img_to_array(img)
x = np.expand_dims(x, axis=0)
x *= rescale_factor

score = model.predict(x)

img = load_img(image_path, target_size=target_size)
x = img_to_array(img)
x = np.expand_dims(x, axis=0)
x *= rescale_factor

score = model.predict(x)