为什么keras，训练集在训练过程中的准确率比evaluate的准确率低？

这是因为在训练过程中，模型是通过反向传播算法进行优化的，每个epoch（训练轮数）结束后，模型会根据训练集的表现进行参数更新。因此，训练集的准确率会随着训练轮数的增加而逐渐提高。但是，模型在训练过程中可能会出现过拟合的情况，即模型在训练集上表现很好，但在测试集上表现较差。因此，评估模型性能时，需要使用独立的测试集进行评估，以避免过拟合的影响。因此，测试集的准确率通常会比训练集的准确率低。