我正在使用keras构建输入720x1280图像并输出值的模型。

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

这就是我的发电机的定义方式

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='')

获得正确的结果（如在此图像上看到的，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)

输出洗牌可以看出这里。

我的问题与＃5048和
＃6745相似
，应该由＃6891 API解决
，但我使用的是keras版本2.1.6，即使使用，它仍在拖延我的预测workers=1。

这也与此类似，但是我没有找到任何可以重置生成器的东西，如果我定义一个新生成器并尝试运行生成器，这个问题仍然存在predict_generator。

我还发现有些事情可能与批处理数量没有完全除以样品数量有关，但是如果使用 n_batch=1

附带说明一下，因为输入数据在values和images_paths上已经被改组了，否则predict_generator可能不会对数据进行改组，而仅以索引偏移量返回它。