keras：训练是收敛的，但是使用训练数据会导致测试损失很高

Question

我遇到了一个非常奇怪的问题。我正在训练深度学习模型，代码是：

        finalModel.compile(
            optimizer=optimizer,
            loss=dice_loss,
            metrics=[keras.losses.binary_crossentropy, dice_coef]
        )

        finalModel.fit_generator(
            generator=trainGenerator,
            steps_per_epoch=200,
            epochs=500,
            validation_data=valGenerator,
            validation_steps=20,
        )

输出信息表明训练是收敛的，骰子约为0.8。

然后，我加载保存的模型：finalModel.load_weights('./bestModel.hdf5')，并通过以下方式获得评估骰子：

dt = trainGenerator.__next__()
print(finalModel.evaluate(dt[0], dt[1]))

请注意，测试数据是从训练数据集中生成的。骰子非常低，约为0.1。 这让我很困惑。

我的代码有什么问题吗？任何建议表示赞赏！