当X_train = X_test时，训练损失与验证损失不匹配

Question

我正在跑步：

D.fit(X_train, y_train, nb_epoch=12,validation_data=(X_train,y_train))

但我得到的输出如下：

Train on 61936 samples, validate on 61936 samples
Epoch 1/12
61936/61936 [==============================] - 10s 166us/step - loss: 0.0021 - val_loss: 1.5650e-04
Epoch 2/12
61936/61936 [==============================] - 10s 165us/step - loss: 0.0014 - val_loss: 6.6482e-04
...
Epoch 10/12
61936/61936 [==============================] - 11s 170us/step - loss: 0.0104 - val_loss: 9.6666e-05

Answer 1

已知问题

https://github.com/keras-team/keras/issues/605

  

结果不同的另一个原因是因为模型   正在计算“损失”时正在训练，而模型   在计算“val_loss”时固定。由于模型是   训练，“损失”通常会大于真实   在时代结束时训练集损失。即“损失”是平均值   在这个时代的损失，而“val_loss”是之后的平均损失   时代的结束。由于模型在时代期间发生变化，所以损失惨重   变化。

Answer 2

这些永远不会匹配。验证损失一次在整个数据集上计算（权重固定），培训损失是批次损失的平均值（每批次后权重变化）。如果您想要训练集上的实际损失，您应该运行model.evaluate(X_train)