我在使用Keras的ImageDataGenerator和flow_from_directory来训练神经网络时遇到了一个问题，evaluate_generator和evaluate在相同的数据上报告的准确率不同。这里有一个最简示例，它显示evaluate_generator报告的准确率为0.24，而evaluate报告的准确率为0.44：
import osimport numpy as npimport cv2import kerasimport tensorflow as tfnp.random.seed(1)tf.set_random_seed(1)test_data_path = os.path.join("data", "test")def load_data_from_image_files(base_data_path): X = [] y = [] for data_folder in os.listdir(base_data_path): data_folder_path = os.path.join(base_data_path, data_folder) if os.path.isdir(data_folder_path): for filename in os.listdir(data_folder_path): if filename.endswith(".jpg"): X.append(cv2.imread(os.path.join(data_folder_path, filename))) if data_folder == "null": y.append([0]) else: y.append([1]) return np.array(X).astype("float32") / 255.0, np.array(y)with open("model.json", "r") as json_file: model = keras.models.model_from_json(json_file.read())model.load_weights("model.h5")model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])X_test, y_test = load_data_from_image_files(test_data_path)test_datagen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255)test_generator = test_datagen.flow_from_directory( test_data_path, target_size=(96, 96), batch_size=1, shuffle=False, class_mode="binary")_, generator_test_accuracy = model.evaluate_generator(generator=test_generator, steps=test_generator.samples)_, test_accuracy = model.evaluate(X_test, y_test)print("evaluate_generator: %.3f, evaluate: %.3f" % (generator_test_accuracy, test_accuracy))（这是来自keras-generator-minimal-example仓库的test.py文件。）该脚本加载的预训练模型定义如下：
model = keras.models.Sequential()model.add(keras.layers.Flatten(input_shape=(96, 96, 3)))model.add(keras.layers.Dense(4, activation="relu"))model.add(keras.layers.BatchNormalization())model.add(keras.layers.Dense(1, activation="sigmoid"))model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])设置和训练模型的完整脚本在这里。
我的问题是，在上述示例中，model.evaluate_generator和model.evaluate报告的准确率应该相同吗，还是我哪里做错了？如果只是漏了一个参数或其他什么，我非常希望能得到一些正确的指引。
附注：这个GitHub问题似乎可能相关，尽管该问题评论中提出的各种修复方法对我不起作用。设置shuffle=False、workers=1和/或max_queue_size=1没有任何改变，而设置use_multiprocessing=True会在我的终端中出现大量以下错误，并且脚本会挂起：
/home/jack/.local/lib/python3.6/site-packages/keras/utils/data_utils.py:616: UserWarning: The input 0 could not be retrieved. It could be because a worker has died. UserWarning)由于我无法解决这个次要问题，我不知道在evaluate_generator中设置use_multiprocessing=True是否会解决我遇到的准确率不匹配的问题。
回答：
原来差异是由OpenCV的imread使用BGR格式引起的，而Keras的flow_from_directory默认期望RGB格式。将通道顺序改为RGB解决了这个问题。
