我正在尝试使用model.evaluate来找出我保存的Keras模型的准确率。

我使用以下方式加载了我的模型：

model = keras.models.load_model("../input/modelpred/2_convPerSection_4_sections")

我有一个CSV文件，包含两列，一列是图像的文件名，另一列是标签。以下是一个示例：

id,label
95d04f434d05c1565abdd1cbf250499920ae8ecf.tif,0
169d0a4a1dbd477f9c1a00cd090eff28ac9ef2c1.tif,0
51cb2710ab9a05569bbdedd838293c37748772db.tif,1
4bbb675f8fde60e7f23b3354ee8df223d952c83c.tif,1
667a242a7a02095f25e0833d83062e8d14a897cd.tif,0

我将这个CSV文件加载到pandas数据框中，并将其输入到ImageDataGenerator中：

df = pd.read_csv("../input/cancercsv/df_test.csv", dtype=object)
test_path = "../input/histopathologic-cancer-detection/train"
test_data_generator = ImageDataGenerator(rescale=1./255).flow_from_dataframe(dataframe = df,                                                                                  directory=test_path,                                                                                  x_col = "id",                                                                                  y_col = "label",                                                                                  target_size=(96,96),                                                                                  batch_size=16,                                                                                  shuffle=False)

现在我尝试使用以下代码评估我的模型：

val = model.evaluate(test_data_generator, verbose = 1)
print(val)

然而，准确率始终停留在50%，但我的模型在训练时的验证准确率达到了90%。

以下是返回的结果：

163/625 [======>.......................] - ETA: 21s - loss: 1.1644 - accuracy: 0.5000

我通过使用matplotlib和scikit-learn创建ROC曲线，确保了我的模型正常工作并且生成器正确地输入数据，这产生了90%的AUC，所以我不确定问题出在哪里：

predictions = model.predict_generator(test_data_generator, steps=len(test_data_generator), verbose = 1)
false_positive_rate, true_positive_rate, threshold = roc_curve(test_data_generator.classes, np.round(predictions))
area_under_curve = auc(false_positive_rate, true_positive_rate)
plt.plot([0, 1], [0, 1], 'k--')
plt.plot(false_positive_rate, true_positive_rate, label='AUC = {:.3f}'.format(area_under_curve))
plt.xlabel('False positive rate')
plt.ylabel('True positive rate')
plt.title('ROC curve')
plt.legend(loc='best')
plt.show()

类似的提问指出问题出在ImageDataGenerator中的shuffle参数设置为True，但我的始终设置为False。另一个类似的问题通过重新训练并使用sigmoid激活函数而不是softmax来解决，但我最后的层使用了sigmoid，所以这不可能是问题所在。

这是我第一次使用Keras。我做错了什么？

回答：

问题出在flow函数中的class_mode参数。默认是categorical。

将其设置为binary解决了问题。修正后的代码如下：

test_data_generator = ImageDataGenerator(rescale=1./255).flow_from_dataframe(dataframe = df,                                                                                  directory=test_path,                                                                                  x_col = "id",                                                                                  y_col = "label",                                                                                 class_mode = 'binary',                                                                                  target_size=(96,96),                                                                                  batch_size=16,                                                                                  shuffle=False)