Question

我训练了一个模型来预测实际值（回归），并希望对测试集进行预测以验证性能（平均绝对误差）。我使用生成器来生成测试集，然后再次创建它以确保获取真实值和预测时的一致性。如果我使用Evaluation_generator评估模型，则MAE为1.80。

gen = generator()
loss, mae = model.evaluate_generator(gen, 1000)
#This produces Test set MAE:  1.80

当我想根据预测值手动计算MAE时，可以使用以下方法从经过训练的模型中获得预测值：

gen = generator()
predictions = model.predict_generator(gen, 1000).flatten()

并获得基本的真值：

gen = generator()
y_test = np.zeros((1000))
i = 0
while i < 1000:
    p = next(gen)[1]
    y_test[i] = p
    i += 1

然后我用以下公式计算MAE：

# Manually compute MAE
np.mean(np.abs(predictions - y_test))

# This produces 13.74

产生的MAE为13.74，这与使用validate_generator计算的MAE有很大不同。我想念什么吗？