最后一次训练之后，我得到以下输出：
Epoch 100/100
89254/89254 - 24s - loss: 0.1935 - acc: 0.9281 - val_loss: 0.2182 - val_acc: 0.9219
但是问题是，一旦我对训练数据和验证数据进行model.evaluate()，我将得到不同的结果：
Train accuracy: 0.929661
Validation accuracy: 0.921859
这有什么意义？为什么在测试模式下，batch_size函数仍存在参数model.evaluate()？ https://keras.io/models/model/#evaluate
如果我已经批量训练了模型，是否还需要为测试模式定义批量大小？
答案 0 :(得分：3)
当然，有道理的是，开始时，进度条上的训练集中产生的任何度量标准/损失都将作为训练批次中的运行平均值进行计算，其中权重由于梯度下降而变化。这意味着训练指标将永远不会与用model.evaluate()计算的指标匹配，因为在这种情况下权重是不变的且不会改变。
关于验证指标，它们确实匹配，只是keras进度栏仅打印四个有效数字，而您打印了更多的数字。
关于批量大小，我已经评论说，基本上已经回答了here。 Keras使用批处理，因为您无法一次对整个数据集进行预测，这可能会占用过多的内存