从Keras常见问题解答：
为什么训练损失比测试损失高得多？
Keras模型具有两种模式：训练和测试。在测试时会关闭诸如Dropout和L1 / L2权重正则化等正则化机制。
此外，训练损失是每批训练数据损失的平均值。由于您的模型会随着时间而变化，因此，前几个时期的损失通常高于最后几个时期的损失。另一方面，一个时期的测试损失是使用模型计算的，因为它处于该时期的末尾，因此损失较低。
因此，您所看到的行为并不像阅读ML理论后所看到的那样异常。这也解释了，当您在同一模型上评估训练集和测试集时，突然会得到预期的行为（train acc>
val acc）。我猜想在您的情况下，辍学的存在尤其会阻止准确性在训练过程中达到1.0，而在评估（测试）过程中达到了1.0。
您可以通过添加一个回调来进一步调查，该回调在每个时期保存您的模型。然后，您可以使用两个集合评估每个保存的模型，以重新创建绘图。
