我在训练测试中遇到了一件奇怪的事情，即val_loss与训练loss完全不同，即使它们是根据完全相同的数据{{1}来评估的}，且具有相同的(X,Y)
下面是我用来训练一批的代码
batch_size训练12个样本，验证12个样本时期1/1 12/12 [=============================]-38s 3s / step-损失：0.7510- q_mask_a_loss：0.4739-r_mask_a_loss：0.6610-q_mask_b_loss：0.4718 -r_mask_b_loss：0.3164-pred_a_loss：1.8092-pred_b_loss：0.2238-q_mask_a_F1：0.8179-r_mask_a_F1：0.5318-q_mask_b_F1：0.8389- r_mask_b_F1：0.6134-pred_a_acc：0.0833-pred_b_acc：1.0000- val_loss：7.0257-val_q_mask_a_loss：6.9748-val_r_mask_a_loss： 14.9849-val_q_mask_b_loss：6.9748-val_r_mask_b_loss：14.9234-val_pred_a_loss：0.6919-val_pred_b_loss：0.6944-val_q_mask_a_F1： 0.0000e + 00-val_r_mask_a_F1：0.0000e + 00-val_q_mask_b_F1：0.0000e + 00-val_r_mask_b_F1：0.0000e + 00-val_pred_a_acc：1.0000-val_pred_b_acc：0.0000e + 00
注意：
X, Y = valid_datagen.next()
batch_size = len(X[0])
joint_model.fit( X, Y,
batch_size=batch_size,
epochs=1,
verbose=1,
validation_data=(X, Y))
是loss，而0.7510是val_loss。7.0257设置为等于
样本，即仅对一批进行训练。 batch_size
2.2.0和keras后端1.5.0。tensorflow可以得到与验证相同的结果。对于用过的joint_model.evaluate( X, Y, batch_size=batch_size)，它只不过是前几层中具有固定权重的前馈CNN。任何地方都没有joint_model层。
我完全不知道这里发生了什么。有谁有潜在的原因或如何对此进行调试？欢迎任何建议。