我正在运行以下代码：

D.fit(X_train, y_train, nb_epoch=12,validation_data=(X_train,y_train))

但我得到的输出类似于：

Train on 61936 samples, validate on 61936 samplesEpoch 1/1261936/61936 [==============================] - 10s 166us/step - loss: 0.0021 - val_loss: 1.5650e-04Epoch 2/1261936/61936 [==============================] - 10s 165us/step - loss: 0.0014 - val_loss: 6.6482e-04...Epoch 10/1261936/61936 [==============================] - 11s 170us/step - loss: 0.0104 - val_loss: 9.6666e-05

回答：

已知问题

https://github.com/keras-team/keras/issues/605

另一个导致结果不同的原因是，在计算“loss”时模型仍在训练中，而计算“val_loss”时模型是固定的。由于模型在训练中，“loss”通常会比该周期结束时的真实训练集损失更大。也就是说，“loss”是该周期内的平均损失，而“val_loss”是周期结束后的平均损失。由于模型在周期内发生变化，损失也会随之变化。