keras训练实验测试的val_损失（比列车损失）高得多
在一次训练实验测试中，我遇到了一件奇怪的事情，keras训练实验测试的val_损失（比列车损失）高得多,keras,Keras,在一次训练实验测试中，我遇到了一件奇怪的事情，val\u损失与训练损失完全不同，尽管它们是在完全相同的数据（X，Y）和相同的批量大小 下面是我用来训练一批人的代码 X, Y = valid_datagen.next() batch_size = len(X[0]) joint_model.fit( X, Y, batch_size=batch_size, epochs=1, verbose=1
val\u损失损失（X，Y）批量大小X, Y = valid_datagen.next()
batch_size = len(X[0])
joint_model.fit( X, Y,
batch_size=batch_size,
epochs=1,
verbose=1,
validation_data=(X, Y))
损失0.7510valu损失7.0257批量大小kerastensorflowjoint\u模型。评估（X，Y，批次大小=批次大小）关节模型退出我完全不知道这里发生了什么。有人知道潜在的原因是什么，或者如何调试它吗？欢迎提出任何建议。模型中是否有任何批量规范化？如果您能提供某种方法，我可以查看您的模型。@Abhishek Mishra是的。我确实有几个
BatchNormalizationtrainable=TrueFalse