在培训期间运行Model.evaluate（）之后，tf.keras.Model培训的准确性就会提高

Question

我正在使用Model训练TensorFlow Keras Model.fit()。在每次使用TensorFlow的on_train_batch_end()语法进行批处理之后，我还使用回调来记录我的训练准确性指标。另外，我正在使用另一个回调来每1000批次运行Model.evaluate()，以计算验证集的准确性并更新logs期间围绕回调传递的Model.fit()字典。

查看记录的度量标准与批号之间的关系，结果非常令人困惑。 Model.evaluate()运行后，训练准确性经历了明显的“颠簸”，最初触发了所记录的训练准确性的迅速提高，随后触发了显着的跌落训练准确性，随后恢复速度较慢（参见附图）。

我的猜测是，这与Model.evaluate()对reset_metrics()的调用有关，后者对每个度量标准进行循环并调用reset_states()方法。我无法弄清楚reset_states()在做什么，如果这与我观察到的行为有关。它似乎与CategoricalAccuracy的{​​{3}}父类有关。在TensorFlow文档中，我还找不到任何有用的东西。

在Model.fit()期间显示的指标实际上是某种形式的移动平均值，而不是按批处理指标吗？在这种情况下，reset_states()方法将重置移动平均值，可能会产生颠簸的行为。

任何对TensorFlow的内部运作有更好了解的人都能提供帮助吗？

Mean