keras训练模型，训练集的准确率很高，但是测试集准确率很低的原因

今天在测试模型时发现一个问题，keras训练模型，训练集准确率很高，测试集准确率很低，因此记录一下希望能帮助大家也避坑：

首先keras本身不同的版本都有些不同的或大或小的bug，包括之前也困扰过我的BN层问题（相信很多人都中过招），因此我先说下我的对应版本：keras：2.3.1 tensorflow-gpu:1.15 CUDA:10.0 cudnn:7.6.3

在训练模型完成后在测试集测试模型准确率：

def valid_data(valid_data_dir='./data/val'):
    valid_datagen = ImageDataGenerator(rescale=1. / 255）
                                       
    valid_generator = valid_datagen.flow_from_directory(valid_data_dir,
                                                        target_size=(224, 224),
                                                        batch_size=16,
                                                        class_mode='categorical',
                                                        )
    return valid_generator

valid_generator = valid_data()

model = load_model('resnet.h5')
predictions = model.predict_generator(valid_generator,verbose=1)
predict_label = predictions.argmax(axis=-1) 
true_label = valid_generator.classes

acc=accuracy_score(true_label,predict_label)
print(acc, end='\n\n')

乍一看代码其实没有太大问题，但是最后准确率很低：

核心原因是对测试集的数据顺序做了打乱，使得预测label与真实label无法对应：

预测label是对打乱的数据预测的：

但是真实label是未打乱的：

解决的办法是对代码进行修改：shuffle=False

修改后的模型测试准确率就正常了：

当然，导致模型测试集准确率低的原因远不止这一种，还有很多其他的可能，所以希望大家在遇见具体问题的时候还是能够具体分析。