使用 keras.utils.Sequence 时，keras predict_generator 正在改组其输出

Question

我正在使用 keras 构建一个模型，输入 720x1280 图像并输出一个值。

在使用keras.utils.Sequence 类获取与验证/训练集上的图像对应的值时，我遇到了keras.models.Sequential.predict_generator 的问题。返回的值是洗牌的，所以我不知道哪个输出对应哪个图像。

这就是我的生成器的定义方式

from skimage.io import ImageCollection, imread 
from keras.utils import Sequence

def load_images(f):
    return imread(f).astype(np.float64)

class DataSetImageKeras(Sequence):
    def __init__(self, image_collection, values, batch_size):
        self.images = image_collection
        self.hf = values
        self.batch_size = batch_size
        self.n = len(self.images)
        self.x_scale = 250
        self.y_scale = 1e4

    def __len__(self):
        return int(np.ceil(len(self.images) / float(self.batch_size)))

    def __getitem__(self, idx):
        # batch_x is a numpy.ndarray
        batch_x = (
                self.images[idx:min(idx + self.batch_size, self.n)]
                .concatenate()
                .reshape(self.batch_size, 720, 1280, 1)
                ) 
        batch_y = self.hf[idx:min(idx + self.batch_size, self.n)]


        return batch_x/self.x_scale, batch_y/self.y_scale

images_train = ImageCollection(images_paths_train, load_func=load_images)
images_val = ImageCollection(images_paths_test, load_func=load_images)

data_train = DataSetImageKeras(images_train, values_train, n_batch)
data_val = DataSetImageKeras(images_val, values_val, n_batch)


from keras.models import load_model
model = load_model('model001') #this model is already trained

如果我使用以下代码：

val_result = []
val_hf =[]
for (batch_x, batch_y) in data_val:
    val_result.append(model.predict_on_batch(batch_x))
    val_hf.append(batch_y)

val_result = np.concatenate(val_result)
val_hf = np.concatenate(val_hf)

plt.plot(val_hf, 
         val_result,
         marker='.',
         linestyle='')

得到正确的结果（如this image 所见，其中 x 是期望值，y 是预测值）

但是，如果我使用 predict_generator 函数，如下所示：

val_result = model.predict_generator(data_val, verbose=1,
                                     workers=1,
                                     max_queue_size=50,
                                     use_multiprocessing=False)

输出被打乱，如here所示。

我的问题类似于 #5048 和 #6745, 这应该通过 #6891 API，但我使用的是 keras 版本 2.1.6，即使使用 workers=1，它仍然会改变我的预测。

它也类似于this，但是我没有找到任何可以重置生成器的东西，如果我定义一个新的生成器并尝试运行predict_generator，这个问题仍然存在。

我还发现了一些说明它可能与批次数不完全划分样本数有关，但是如果我使用n_batch=1，这个问题仍然存在

附带说明一下，predict_generator 可能不是洗牌数据，而只是返回带有索引偏移量的数据，因为values 和images_paths 上的输入数据已经洗牌了。

Answer 1

predict_generator 毕竟并没有改变我的预测。问题出在__getitem__ 方法上。例如，使用n_batch=32，该方法将产生从 1 到 32、然后从 2 到 33 等等的值，而不是从 1 到 32、33 到 64 等等。

如下改变方法即可解决问题

 def __getitem__(self, idx):
    # batch_x is a numpy.ndarray
    idx_min = idx*self.batch_size
    idx_max = min(idx_min + self.batch_size, self.n)
    batch_x = (
            self.images[idx_min:idx_max]
            .concatenate()
            .reshape(self.batch_size, 720, 1280, 1)
            ) 
    batch_y = self.hf[idx_min:idx_max]