Neural network 神经网络与训练精度

我有基于InceptionV3的NN
在各个时期分批给它喂食会产生良好的效果，如：

loss: 0.3596 - acc: 0.8479 - val_loss: 0.3442 - val_acc: 0.8515

训练完成后，我决定检查整个训练数据集的训练准确性

sklearn.metrics.accuracy_score(labels, np.round(train_predictions))

给我0.52520718232044195

---

这是怎么可能的？

50%是因为发送到“predict”的数据与它所训练的数据完全不同，因为预处理中存在缺陷。

您应该在测试集而不是训练集上评估您的模型。是的，我理解这一点。我认为，如果分类器做得很好，那么在训练数据集上，它应该比随机猜测（现在2类分类器的准确率约为50%）显示得更好。正确：D为什么要舍入预测？因为NN输出概率。标签是整数-0和1，所以我想知道预测中有多少样本应该被视为“真”和“假”，所以我要舍入。