为什么训练和加载模型给出不同的评估结果？ 82% 对 5%答案

【问题标题】：Why Trained and Loaded Model is giving different evaluate result? 82% vs 5%为什么训练和加载模型给出不同的评估结果？ 82% 对 5%
【发布时间】：2020-10-02 17:13:25
【问题描述】：

我实现了我的 seq-Keras 模型并成功训练。

...
model.fit(...)
...
>>Result:  Successfully completed: TrainAcc=99%, ValAcc=88%

下一步： 现在我运行这段代码：

model.save('Model88.h5')
model.evaluate(X_test, y_test)
   Result >> accuracy: 0.8216

下一步： 但是当我加载保存的模型（Model88）并评估它时：

model = keras.models.load_model('Model88.h5')
model.evaluate(X_test, y_test)
    Result >>  accuracy: 0.0214 !!!

测试数据一样，保存的模型和加载的模型一样！

为什么会这样？准确率：82% -> 5% !!!!

【问题讨论】：

标签： tensorflow keras deep-learning computer-vision training-data

【解决方案1】：

我之前遇到过同样的问题，我发现在训练过程中测试准确率计算错误。我已将测试批次大小更改为 1 来修复它。

【讨论】：

感谢您的及时回复 :) 是的，您是对的！我找到答案了！评估值的解决方案是 1-我错了，我不应该使用：X-test，x-test 是对的！！！但是，训练和加载数据仍然不同！！解决方案：2- 我应该只使用Keras 或JUST Tensorflow.Keras，我的错误是同时使用Tensorflow.Keras 和Keras 包。