我有一个回归模型，其中Euclidean距离为损失函数，RMSE作为度量评估（越小越好）。当我通过火车时，对model.fit的测试集我有train_rmse和test_rmse，它们的值对我来说很有意义。但是，在加载训练好的模型的权重之后，当我将测试集传递到model.evalute时，我得到了不同的结果，大约是model.fit的结果的两倍。从Keras那里我知道火车评估和测试评估之间应该发生的差异：
训练损失是每批训练数据中损失的平均值。由于您的模型会随着时间而变化，因此，前几个时期的损失通常高于最后几个时期的损失。另一方面，一个时期的测试损失是使用模型计算的，因为它处于该时期的末尾，因此损失较低。
但是在这里，我要说的是传递给model.fit的测试集的结果，其中我相信的是对最终模型的评估。在Keras文档中，他们在验证参数上说我正在通过其中的测试集：
validation_data：在每个时期结束时用于评估损失和任何模型指标的数据。该模型将不会根据这些数据进行训练。
搜索问题时，我发现了几个问题
1-像here这样的人报告说，如果他们具有批处理规范化层，或者您确实进行了转移学习并冻结了某些{N}层（如here），则模型本身存在问题。我的模型有BN层，但没有冻结任何层。另外，我对多类分类问题（不是回归模型）使用了相同的模型，并且对于model.fit和model.evaluate中的测试集，结果也是相同的。
2-有人喜欢说这与here之类的预测或度量计算有关，他们发现，如果有人为float32，则此差异与y_true和y_pred的dtype的差异有关。例如其他float64，则指标计算将有所不同。当他们统一dtype时，问题就解决了。
我认为最后一种情况适用于我，因为在回归任务中，我的标签现在是tf.float32。我的y_true标签已经通过tf.float32强制转换为tfrecord，所以我尝试在tf.float32计算之前将y_pred强制转换为rmse，但结果仍然有所不同。
所以我的问题是：
model.fit结果或model.evalute上我应该依靠谁进行测试集 更新：
问题在于y_true和y_pred之间的形状冲突。至于y_true标签，我将其保存为tfrecords作为浮点单值，最终将具有[batch_size]的大小，而回归模型给出的预测为[batch_size, 1]，然后为{{ tf.subtract(y_true, y_pred)中的1}}将得出rmse的矩阵，并以最后一个的平均值为准，您将永远不会猜错，并且代码不会抛出任何错误，而是计算{{ 1}}是错误的。我仍在努力使形状一致，但仍然没有找到好的解决方案。