Keras model.evaluate和model.predict给出不同的结果

Question

当我使用Lambda层构建模型以计算沿轴的总和时，与从model.predict（）手动计算相比，model.evaluate（）给出了不同的结果。我检查了输出数据的类型和形状，但没有帮助。仅当我将tensorflow用作Keras后端时才会出现问题。当我将CNTK用作后端时，效果很好。

这是可以重现此行为的最少代码。

from keras.layers import Input,Lambda
import keras.backend as K
from keras.models import Model

import numpy as np
inp=Input((2,))
out=Lambda(lambda x:K.sum(x,axis=-1),output_shape=(1,))(inp)
model=Model(input=inp,output=out)
model.compile(loss="mse",optimizer="sgd")
xs=np.random.random((3,2))
ys=np.sum(xs,axis=1)

print(np.mean((model.predict(xs)-ys)**2)) # This is zero
print(model.evaluate(xs,ys))  # This is not zero

我建立了一个没有参数的网络，应该简单地计算每个x的和，然后构造ys，使其与模型的输出相同。 model.predict（）提供的结果与ys相同，但是当我使用tensorflow作为后端时，model.evaluate（）提供的结果非零。

关于为什么会发生这种情况的任何想法？谢谢！