Question

我正在尝试检查验证数据集上模型的性能。因此，我正在使用predict_generator返回我的validation_generator的预测。但是，我无法将预测与从validation_generator.classes返回的真实标签进行匹配，因为我的预测顺序混合了。

这是初始化发电机的方式：

BATCH_SIZE = 64
data_generator = ImageDataGenerator(rescale=1./255, 
                                    validation_split=0.20)

train_generator = data_generator.flow_from_directory(main_path, target_size=(IMAGE_HEIGHT, IMAGE_SIZE), shuffle=False, seed=13,
                                                     class_mode='categorical', batch_size=BATCH_SIZE, subset="training")

validation_generator = data_generator.flow_from_directory(main_path, target_size=(IMAGE_HEIGHT, IMAGE_SIZE), shuffle=False, seed=13,
                                                     class_mode='categorical', batch_size=BATCH_SIZE, subset="validation")

#Found 4473 images belonging to 3 classes.
#Found 1116 images belonging to 3 classes.

现在我正在像这样使用predict_generator：

validation_steps_per_epoch = np.math.ceil(validation_generator.samples / validation_generator.batch_size)

predictions = model.predict_generator(validation_generator, steps=validation_steps_per_epoch)

我意识到我的验证数据大小（= 1116）和validation_steps_per_epoch（= 1152）之间不匹配。由于这两个不匹配，因此每次运行model.predict_generator（...）时，我发现输出predictions是不同的。

除了将batch_size更改为1之外，还有什么方法可以解决此问题，以确保生成器逐步遍历所有样本？

我在keras predict_generator is shuffling its output when using a keras.utils.Sequence找到了类似问题的人，但是由于我没有编写任何自定义函数，因此他的解决方案无法解决我的问题。

Answer 1

没有进行任何随机化或改组，这是因为验证生成器的批大小没有完全划分样本数量，因此剩余的样本会溢出到下次调用生成器时，这很混乱一切。

您可以做的是为验证生成器设置一个批处理大小，该批处理大小将验证样本的数量精确地划分，或者将批处理大小设置为一个。

防止predict_generator改组批次

1 个答案: