model.predict_generator() 和 model.predict() 在多类别分类中给出不同的输出标签

Question

使用model.predict_generator()绘制混淆矩阵给出了良好的结果，同时使用model.predict()给出了不同的输出标签来预测单个图像。

from sklearn.externals import joblib
loaded_model = joblib.load("CNNmodel.pkl")
from keras.preprocessing.image import ImageDataGenerator
test_datagen = ImageDataGenerator(rescale=1./255)
test_set = test_datagen.flow_from_directory(
        'dataset/Test',
        target_size=(28, 28),
        batch_size=32,shuffle=False,
        color_mode='grayscale',
        class_mode='categorical')
import matplotlib.pyplot as plt
test_set.reset() 
Y_pred = loaded_model.predict_generator(test_set,4930 // 32+1)
y_pred = np.argmax(Y_pred,axis=-1)
s=confusion_matrix(test_set.classes,y_pred)
this gives good confusion matrix result but
test_image=image.load_img('dataset/Test/character_1_ka/017_02.jpg',target_size=(28,28),color_mode='grayscale')
test_image=image.img_to_array(test_image)
test_image=np.expand_dims(test_image,axis=0)
result=loaded_model.predict(test_image)

在预测单个图像时，它不会预测predict_generator提供的结果。 它预测所有图像的相同输出。单个图像预测为不同的图像提供相同的输出标签[43]。

Answer 1

test_datagen使用 rescale=1./255，即它规范化数据。基本上，它将 1/255 乘以测试集中的所有图像。

当您通过预测传递它时，您尚未将其应用于图像。

尝试

test_image  = test_image/255. 

然后将其传递给预测，它应该可以正常工作。