Keras：model.evaluate() 在训练和 val 集上与上次训练时期后的 acc 和 val_acc 不同

Question

在最后一个训练时期之后，我得到了这个输出：

Epoch 100/100
89254/89254 - 24s - loss: 0.1935 - acc: 0.9281 - val_loss: 0.2182 - val_acc: 0.9219

但问题是，一旦我对训练数据和验证数据进行model.evaluate() ，我会得到不同的结果：

Train accuracy: 0.929661
Validation accuracy: 0.921859

这有什么意义？ 尽管在测试模式下， model.evaluate()函数为什么存在参数batch_size ？ https://keras.io/models/model/#evaluate如果我已经批量训练模型，我是否还需要为测试模式定义批量大小？

Answer 1

当然，首先，进度条上训练集中产生的任何度量/损失都被计算为训练批次的运行平均值，其中权重因梯度下降而发生变化。 这意味着训练指标永远不会与使用model.evaluate()计算的指标相匹配，因为在这种情况下，权重是恒定不变的。

关于验证指标，它们确实匹配，只是keras进度条仅打印四位有效数字，而您打印的更多。

关于批量大小，我已经评论说基本上已经在这里回答了。 Keras 使用批处理是因为您不能一次对整个数据集进行预测，这可能会占用太多内存