我是带有 tensorflow 后端的 keras 新手，我正在尝试使用预训练网络进行迁移学习。问题是验证集的准确率非常高，在 90% 左右，但在测试集上的准确率非常差，不到 1%。我使用 opencv 读取和调整图像大小解决了这个问题，但我想了解为什么使用 keras 方法会出现这个问题。我在下面粘贴我的代码。

from keras.preprocessing.image import ImageDataGenerator
from keras.applications.xception import preprocess_input
import keras

train_val_datagen = ImageDataGenerator( validation_split=0.25, preprocessing_function=preprocess_input)


train_val_generator = train_val_datagen.flow_from_directory( # subset di allenamento
    directory="./image-dataset/",
    target_size=(299, 299),
    color_mode="rgb",
    batch_size=32,
    class_mode="categorical",
    shuffle=True,
    subset = 'training',
    seed=17)
val_train_generator = train_val_datagen.flow_from_directory( # subset di validation
    directory="./image-dataset/",
    target_size=(299, 299),
    color_mode="rgb",
    batch_size=32,
    class_mode="categorical",
    shuffle=True,
    subset = 'validation',
    seed=17)
final_train_generator = train_val_datagen.flow_from_directory( # set finale di allenamento con tutti i dati
    directory="./image-dataset/",
    target_size=(299, 299),
    color_mode="rgb",
    batch_size=32,
    class_mode="categorical",
    shuffle=True,
    seed=17)

如您所见，我使用 Xception 作为预训练网络，我选择调整图像大小以使其适应网络。

训练后，我为测试数据创建了一个新的迭代器，如下所示：

test_datagen = ImageDataGenerator(preprocessing_function=preprocess_input)
test_generator = test_datagen.flow_from_directory( 
    directory="./TEST/",
    target_size=(299, 299),
    color_mode="rgb",
    batch_size=1, # predico una alla volta
    shuffle = False,
    class_mode=None # non ce alcuna classe di riferimento
    )
test_generator.reset()

其中预处理函数完全相同。

使用以下代码进行预测：

predictions = model_xcpetion.predict_generator(test_generator, 6104, verbose = 1 )

其中 6104 是测试文件夹中的图像数量。在此之后，我生成了一个带有相对分类概率的图像名称的 csv：

import pandas as pd
import numpy as np
df = pd.DataFrame(predictions)
cols =[('probability of' + str(i)) for i in list(range(1, 30 )) ]
df.columns =  cols
df['images'] = imNames
df.to_csv('predictions_xception_all_data.csv', sep=',') 

其中列代表标签（1 到 29），imNames 是通过 test_generator 的 filenames 属性获得的。最后，我使用具有最高概率值的标签生成了 csv，并计算了获得我之前写的值的准确性。

我用来解决的代码是相同的，但我使用以下代码读取和调整图像大小：

width = 299
height = 299
dim = (width, height)
images = []
# for each img
resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)
images.append(resized)

其中“img”是使用 skimage.io 的“imread_collection”读取的所有图像

在此先感谢您的帮助。

EDIT1：使用opencv调整大小的图像尚未使用预处理功能进行处理