在最后一个训练周期结束后，我得到了以下输出：

Epoch 100/10089254/89254 - 24s - loss: 0.1935 - acc: 0.9281 - val_loss: 0.2182 - val_acc: 0.9219

但问题是，一旦我在训练数据和验证数据上使用model.evaluate()，我得到了不同的结果：

Train accuracy: 0.929661Validation accuracy: 0.921859

这怎么解释呢？为什么在测试模式下model.evaluate()函数中还存在batch_size参数？ https://keras.io/models/model/#evaluate如果我已经以批次的方式训练了模型，是否也需要在测试模式下定义批次大小呢？

回答：

当然这是有道理的，首先，在训练集上进度条中产生的任何指标/损失都是作为训练批次的运行平均值计算的，其中权重会因为梯度下降而变化。这意味着训练指标永远不会与使用model.evaluate()计算的指标相匹配，因为在这种情况下权重是恒定不变的。

关于验证指标，它们确实是匹配的，只是keras的进度条只显示了四位有效数字，而你显示了更多位数。

关于批次大小，我已经评论过这个问题基本上在这里已经得到了回答 这里。Keras使用批次是因为你不能一次对整个数据集进行预测，那样可能会消耗太多内存