我刚刚注意到，在Keras的训练和推理阶段之间，模型性能存在显着差异。 我训练了具有批处理规范化层的U-Net细分模型。基于Dice指标的细分准确度达到了0.92。但是，当我在推理阶段（model.predict）中将具有相同权重的相同数据集应用于相同模型时，分割精度甚至下降了5％至6％。 我在Google上进行了很多搜索，发现这与批标准化层在训练和推断阶段更新小批中的移动平均值和方差的方式有关。 但是，我仍然没有找到解决此问题的解决方案。我什至尝试使用二进制交叉熵损失函数，但没有帮助。也降低了批次标准中的动量值。层，但效果不佳。 有谁知道我们在预测（推理）阶段如何获得相同的结果？