小编bad*_*ddy的帖子

我正在使用 keras 实现 CNN 来执行图像分类，并且我使用 .fit_generator() 方法来训练模型，直到验证停止条件为止我使用了下一个代码：

history_3conv = cnn3.fit_generator(train_data,steps_per_epoch = train_data.n // 98, callbacks = [es,ckpt_3Conv], 
    validation_data = valid_data, validation_steps = valid_data.n // 98,epochs=50)

停止前的最后两个纪元是下一个：

如图所示，最后的训练准确率为 0.91。然而，当我使用model.evaluate()方法来评估训练、测试和验证集时，我得到了下一个结果：

所以，我的问题是：为什么我有两个不同的值？

我应该使用吗evaluate_generator()？或者我应该修复seed知道flow_from_directory()要执行数据增强我使用了下一个代码：

trdata = ImageDataGenerator(rotation_range=90,horizontal_flip=True)
vldata = ImageDataGenerator()
train_data = trdata.flow(x_train,y_train,batch_size=98)
valid_data = vldata.flow(x_valid,y_valid,batch_size=98)

此外，我知道use_multiprocessing=Falsefit_generator 中的设置会让我显着减慢训练速度。那么你认为最好的解决方案是什么