Keras：训练和验证集上的 model.evaluate() 与上次训练时期后的 acc 和 val_acc 不同答案

【问题标题】：Keras: model.evaluate() on training and val set differ from the acc and val_acc after last training epochKeras：训练和验证集上的 model.evaluate() 与上次训练时期后的 acc 和 val_acc 不同
【发布时间】：2020-03-25 20:33:21
【问题描述】：

在最后一个训练时期之后，我得到这个输出：

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执行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？尽管测试模式，为什么model.evaluate() 函数存在参数batch_size？ https://keras.io/models/model/#evaluate 如果我已经批量训练了模型，是否还需要为测试模式定义批量大小？

【问题讨论】：

您的第二个问题在这里得到解答：stackoverflow.com/questions/37911321/…

标签： python machine-learning keras

【解决方案1】：

当然，首先，在进度条上的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，其中权重由于梯度下降而变化。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，权重是恒定的，不会发生变化。

关于验证指标，它们确实匹配，只是keras 进度条只打印了四个有效数字，而您打印了更多。

关于批量大小，我已经评论说基本上已经回答了here。 Keras 使用批处理是因为您无法一次对整个数据集进行预测，这可能会占用太多内存

【讨论】：