model.predict_generator和model.evaluate_generator返回完全不同的精度

Question

我已经训练了VGG作为100个时代的10级分类器，这就是训练/验证的准确性。

此外，我想在保持测试集上测试模型，因此我对它进行了如下评估：

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

test_generator = test_datagen.flow_from_directory(
        '/content/drive/My Drive/Colab Notebooks/domat/solo-dataset/test/',
        target_size=(224, 224),
        batch_size=32,
        class_mode='categorical',
        shuffle=False
)

steps = 3616 // 32 

loss, accuracy = model_vgg_imagenet_dropout.evaluate_generator(test_generator,
                                             steps = steps,
                                             workers = 4,
                                             use_multiprocessing=True)

当我打印结果时，我得到（1.4021655139801776，0.802820796460177），这与我的预期相似。
但是，当我尝试通过model.predict_generator对其进行手动评估时，我只能获得 13 ％的准确度。
以下是用于手动评估它的代码（生成器是同一对象）：

predictions = model_vgg_imagenet_dropout.predict_generator(test_generator,
                                             steps = steps,
                                             workers = 4,
                                             use_multiprocessing=True)

y_pred = np.zeros(len(predictions))

for i, p in enumerate(predictions):
  max_index = np.argmax(p)
  y_pred[i] = max_index

# the y_pred array should contain the class index of each sample, as defined by test_generator.class_indices

y_true = test_generator.classes
from sklearn.metrics import accuracy_score
print(accuracy_score(y_true, y_pred))

我不知道自己在哪里犯错，这对我来说似乎是正确的。

编辑：当我手动观察来自model.predict_generator（）的结果并将softmax值映射到类索引时，它在大多数情况下实际上输出3或4个类。