Python 在Keras中实现的神经网络在训练期间的怪异行为

我用Keras实现了一个复杂的神经网络。神经网络训练正常，训练时精度达到100%。然而，在评估过程中，结果非常低，神经网络的输出总是0

首先，我调查了神经网络的权重，发现了一些nan值。我替换了这些值并重新训练了神经网络。训练结束后，权重中不再存在nan值。然而，评价结果仍然是一样的

出于绝望，我运行了以下命令来训练网络：

model.fit(dt[:200],labels[:200],epochs=100,batch_size=10,validation_data=(dt[:200],labels[:200]))

尽管代码中有很多废话，但我至少希望得到训练集和测试集的相同值。但我得到的是：

Train on 200 samples, validate on 200 samples
Epoch 1/100
200/200 [==============================] - 21s 104ms/step - loss: 0.2230 - acc: 0.9650 - val_loss: 7.9712 - val_acc: 0.5000
Epoch 2/100
200/200 [==============================] - 21s 104ms/step - loss: 0.0302 - acc: 0.9850 - val_loss: 0.7086 - val_acc: 0.5000
Epoch 3/100
200/200 [==============================] - 21s 104ms/step - loss: 0.0353 - acc: 0.9800 - val_loss: 0.7096 - val_acc: 0.5000
Epoch 4/100
200/200 [==============================] - 21s 104ms/step - loss: 0.0349 - acc: 0.9900 - val_loss: 0.7088 - val_acc: 0.5000
Epoch 5/100
200/200 [==============================] - 21s 104ms/step - loss: 0.0298 - acc: 0.9900 - val_loss: 0.7097 - val_acc: 0.5000
Epoch 6/100
200/200 [==============================] - 21s 103ms/step - loss: 0.0457 - acc: 0.9800 - val_loss: 0.7065 - val_acc: 0.5000
Epoch 7/100
200/200 [==============================] - 21s 103ms/step - loss: 0.0060 - acc: 0.9950 - val_loss: 0.7080 - val_acc: 0.5000
Epoch 8/100
200/200 [==============================] - 20s 102ms/step - loss: 0.0337 - acc: 0.9900 - val_loss: 0.7045 - val_acc: 0.5000
Epoch 9/100
200/200 [==============================] - 21s 105ms/step - loss: 0.0048 - acc: 1.0000 - val_loss: 0.7049 - val_acc: 0.5000
Epoch 10/100
200/200 [==============================] - 21s 104ms/step - loss: 0.0020 - acc: 1.0000 - val_loss: 0.7059 - val_acc: 0.5000

---

训练和评估使用完全相同的集合，但返回不同的损失和准确度值。有什么想法吗

如果您在完成培训后在同一组上运行

model.evaluation

，会发生什么情况？您为什么使用与培训和评估相同的组？这是什么类型的数据？@theguy with the hat the model.evaluate在val_loss和val_acc中返回相同的值。@DarK_FirefoX我正在使用相同的集进行故障排除。由于使用了相同的数据集，因此预计会有相同的损失和精度@DarK_FirefoX他这样做只是为了证明即使在完全相同的数据集上，训练和验证也能获得不同的准确度。