在喀拉拉邦，我们可以使用fit命令训练模型，然后使用predict获得测试或新数据的概率。
Dcnn=model.fit(x_train, y_train, epochs=5, batch_size=32)
Dcnn.predict(test_dataset,verbose=True)
如果改用Dcnn.predict(x_train,verbose=True)，我们将得到与原始模型相同的结果吗？如果没有，为什么？当我们使用fit方法时，如何看待训练数据的概率？
您看不到使用fit的类的概率。这是由于在每批之后根据概率更改了权重。这意味着从一个批次到另一个批次，您具有不同的权重，因此即使对于相同的数据也将给出不同的答案。
为了获得真实的概率，您可以使用predict()。因为predict返回整个集合，而fit是所有批次的平均值（各批次之间的权重不同），所以预测和拟合将不会返回相同的概率。
[另外，您可能会感到困惑，调用model.fit()将返回一个History对象，其中包含损失和准确性等值。调用Dcnn.predict()会产生错误，因为历史记录对象没有“预测”属性。 model.predict()应该用于获取预测，然后可以用于计算概率。
模型的权重保存在实例本身中，这样，在调用fit()之后，权重将被模型自动更改并保存。