我一直在使用Keras/TF的CSVLogger来保存训练和验证的准确性。然后我绘制了这些数据，以检查训练和验证的准确性或损失。
昨天，我读了这个链接。
在这里，他们使用model.evaluate()来绘制精度度量。
这两种方法有什么区别？
以下是两者之间的主要区别：
model.eevaluate((给出了与训练过程中不同的训练数据损失，而CSVLogger在过程中的每个历元之后跟踪验证集上的度量。
记录并绘制结果
CSVLogger将训练的结果保存在CSV文件中fit的输出，通常称为history，将在变量中准备好相同的结果，而不需要CSV文件
它们的数据应该完全相同。
Evaluate
evaluate方法是而不是日志。这是一种方法，您可以随时调用，并将为每个损失输出单个值以及在compile中为"；当前"；模型
这在训练期间不会在任何地方注册，并且通常不应在训练期间调用，除非您创建一个自定义训练循环并在每个epoch内手动调用该循环中的evaluate(这对于标准使用来说是不必要且不方便的(。
您可以将evaluate与所需的任何数据一起使用，包括既不在训练数据中也不在验证数据中的数据。
您共享的链接
请注意，他们绘制的是history，而history是fit的输出。与evaluate无关。
plot.plot(history.history['acc'])
plot.plot(history.history['val_acc'])
请参阅链接的上一页：
history = model.fit(...)
链接并没有完全显示"；其中"；他们称之为evaluate，他们可能正在这样做"训练后仅一次"；，只是为了查看模型的最终结果(而不是训练日志(