主要介绍了浅谈keras 模型用于预测时的注意事项，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

为什么训练误差比测试误差高很多？ 一个Keras的模型有两个模式：训练模式和测试模式。一些正则机制，如Dropout，L1/L2正则项在测试模式下将不被启用。 另外，训练误差是训练数据每个batch的误差的平均。在训练过程中，每个epoch起始时的batch的误差要大一些，而后面的batch的误差要小一些。另一方面，每个epoch结束时计算的测试误差是由模型在epoch结束时的状态决定的，这时候的网络将产生较小的误差。 【Tips】可以通过定义回调函数将每个epoch的训练误差和测试误差并作图，