Keras 数据扩充给了我更糟糕的结果

我使用Keras ImageDataGenerator并通过了培训images Think it（MNIST数据集）

在培训过程中，我得到了预期的结果，并且得到了99%以上的验证分数。以下是培训后的图表：

但是当我使用

model.evaluate

来获得验证数据集的分数时，我得到的分数非常低

scores = model.evaluate(X_val,y_val.toarray(), verbose = 10 )
print (scores)

我得到的结果如下：

[2.454622192836943,0.080714285]

• 为什么会这样
• 如何在测试时通过datagen传递图像

---

在培训中，您从

train\u gen

获取图像，因此在验证中，您应该从

validation\u gen

获取图像，而不是从

X\u val

和

y\u val

获取图像

---

为培训而进行的任何预处理通常也应在推理之前进行。使用

模型。根据评估生成器（验证生成）

在培训中，您从

培训生成

中获取图像，因此在验证中，您应该从

验证生成

中获取图像，而不是从

X\u val

和

y\u val

中获取图像

为培训而进行的任何预处理通常也应在推理之前进行。使用

模型。根据

scores = model.evaluate(X_val,y_val.toarray(), verbose = 10 )
print (scores)