我正在使用keras训练堆叠网络； 子模型包括InceptionV3，resnet50和Xception。 在这些子模型中：拟合val精度与评估val精度相同。 但是当堆叠这些子模型后，我得到了一个奇妙的结果，拟合值精度比评估值精度高1％。 我拆分了数据60％训练集20％验证集20％测试集。 我做错了什么？
当fit（）带有验证集时：
Epoch 126/250
216/216 [==============================] - 4s 17ms/step - loss: 0.8279 - accuracy: 0.6574
在带有验证集的评估（）时：
Val loss: 0.8272405112231219
Val accuracy: 0.6435185074806213