我是深度学习的新手，我无法理解在每个epoch结束时获得的验证准确率和使用model.evaluate()方法获得的准确率之间的区别。例如：

model.fit(train_dataset, validation_data=test_dataset, epochs=1)

和

model.fit(train_dataset, epochs=1)loss, scores = model.evaluate(test_dataset)

这两个脚本返回的准确率会相同吗？

回答：

当你执行

model.fit(train_dataset, validation_data=test_dataset, epochs=3)

这样，你就是用train_dataset训练模型，并且用test_dataset在每个epoch之后评估你的模型。因此，每个epoch之后，keras API 会调用model.evaluate(test_dataset)，并以如下方式给你训练日志：

Epoch 1/320ms/step - loss: 0.494 - accuracy: 0.8904 - val_loss: 0.6392 - val_accuracy: 0.8841Epoch 2/316ms/step - loss: 0.1594 - accuracy: 0.9204 - val_loss: 0.5392 - val_accuracy: 0.9041Epoch 3/317ms/step - loss: 0.0594 - accuracy: 0.9904 - val_loss: 0.2392 - val_accuracy: 0.9741

但是，如果你按照以下方式操作，没有在model.fit中使用test_dataset，你将只会得到以下形式的训练日志。

model.fit(train_dataset, epochs=1)Epoch 1/320ms/step - loss: 0.494 - accuracy: 0.8904     Epoch 2/316ms/step - loss: 0.1594 - accuracy: 0.9204 Epoch 3/317ms/step - loss: 0.0594 - accuracy: 0.9904 

在完成所有epoch后，当你按照以下方式操作时，它将一次性评估你的模型（不像之前的三次），并给你最后的验证分数。

loss, scores = model.evaluate(test_dataset)[0.2392, 0.9741]

所以，当你在model.fit中使用test_dataset时，这个数据集将在每个epoch之后被model.evaluate使用，并为每个epoch提供验证分数，但如果你在model.evaluate中单独使用test_dataset，它将只计算一次。还要注意，在最后的训练日志中，验证分数与稍后计算的相同。

model.fit(..., test_dataset)Epoch 3/3    17ms/step - ... val_loss: 0.2392 - val_accuracy: 0.9741----loss, scores = model.evaluate(test_dataset)[0.2392, 0.9741]

请查看我的其他回答，可能会给你更多见解。 将数据分成训练、测试和验证集。