为什么Keras Compile计算的MSE与Scikit-Learn计算的MSE不同？

Question

我正在训练用于预测的神经网络模型。损失函数是均方误差（MSE）。但是，我发现Keras计算出的MSE与Scikit-learn计算出的MSE有很大不同。

  

时代1/10 162315/162315 [==============================]-14秒   87us / step-损失：111.8723-均方误差：111.8723 -   val_loss：9.5308-val_mean_squared_error：9.5308

     

Epoch 00001：损失从inf降低至111.87234，将模型保存为   / home /型号/2019.04.26.10.55    Scikit Learn MSE = 208.811126

     

Epoch 2/10 162315/162315 [==============================]-14秒   89us / step-损失：4.5191-mean_squared_error：4.5191-val_loss：   3.7627-val_mean_squared_error：3.7627

     

....

     

Epoch 00010：损失从0.05314减少至0.05057，将模型保存为   /home/Model/2019.04.26.10.55 Scikit了解MSE = 0.484048

MSE由Keras计算：

model.compile(loss='mse', optimizer='adam', metrics=['mse'])

MSE由Scikit-Learn计算：

class my_callback(Callback): 
def __init__(self, trainX, trainY, model_name):
    self.trainset_X = trainX
    self.trainset_Y = trainY
    self.model_name = model_name
    self.previous_mse = 10000000

def on_train_begin(self, logs={}):
    return 

def on_train_end(self, logs={}):
    return

def on_epoch_begin(self, epoch, logs={}):
    return

def on_epoch_end(self, epoch, logs={}):        
    # ----- Train -----
    y_pred = self.model.predict(self.trainset_X, batch_size=64)
    curr_mse = mean_squared_error(self.trainset_Y, y_pred)
    print('Scikit Learn MSE = %f' % curr_mse)

    if curr_mse < self.previous_mse:
        print('Save the best model to %s' % self.model_name)
        self.model.save(self.model_name)
        self.previous_mse = curr_mse
    return

def on_batch_begin(self, batch, logs={}):
    return

def on_batch_end(self, batch, logs={}):
    return

您知道为什么会有如此不同吗？我还检查了它们的python代码，它们非常相似。