Keras：为什么model.fit（）没有返回与model.evaluate（）相同的值？

Question

在另一个问题中，提问者有一个批量规范化层，但在这种情况下没有一个存在。

model.fit(training_data, training_targets, batch_size=16, epochs=1)

  

大纪元1/1 33350/33350 [==============================] - 18s - 损失：   0.0926 - acc：0.9703 Out [708]：

model.evaluate(training_data, training_targets)

  

33248/33350 [============================＆gt ;.] - ETA：0s Out [709]：   ＆gt; [0.027722493904928553，0.99157421289355319]

model = Sequential([
    LocallyConnected2D(10, kernel_size=(20, 20), strides=4, padding='valid', activation='relu', input_shape=(50, 110, 1))
    , Dropout(0.3), Flatten(), Dense(1, activation='sigmoid')
])

model.compile(loss='binary_crossentropy', optimizer='adam', metrics='accuracy'])

Answer 1

您在进度条中看到的损失是每批次损失，未在完整培训集中评估。当您使用model.evaluate时，您正在评估整个训练集，因此预期损失不一样。

正如评论中提到的那样，在评估期间，Dropout在测试时被禁用，因此它也会影响结果。