该Keras损失页说，如果我们有一个自定义的损失函数，则“实际的优化目标是平均在所有数据点的输出数组的。” 有什么方法可以优化所有数据点（而不是平均值）的输出数组的中值？
在 Keras 中使用 model.fit() 训练我的网络，在 model.compile() 中使用 loss='mean_squared_error'：
model.compile(loss='mean_squared_error', optimizer=optimizers.Adam(decay=0.00001), metrics=['accuracy'])
hist=model.fit(X, Y, epochs=200, batch_size=2000, verbose=2, shuffle="batch", validation_data=(Xval,Yval))
我最后得到了这个：
纪元 200/200 23s - 损失：1.2060 - acc：0.5168 - val_loss：1.5213 - val_acc：0.5294
现在，如果我手动检查验证集的损失
pre=model.predict(Xval)
print(np.mean(np.square(pre-Yval)))
我得到 1.4587 而不是 1.5213。
他们为什么不同？为什么我没有得到由 model.fit() 计算的 1.5213？我在这里错过了什么吗？model.fit() 不通过整个验证集吗？