Keras模型针对同一数据集做fit和evaluation，accuracy值却不相同

模型是一个很简单的模型：

inputs = Input(shape=(X_train.shape[1],))
nb_x_1 = BatchNormalization()(inputs)
dense_x_1 = Dense(64, activation='relu')(nb_x_1)
nb_x_2 = BatchNormalization()(dense_x_1)
dense_x_2 = Dense(64, activation='relu')(nb_x_2)
predictions = Dense(1, activation='sigmoid')(dense_x_2)

optmzr = keras.optimizers.Adagrad()

model = Model(inputs=inputs, outputs=predictions)
model.compile(optimizer=optmzr,
              loss="binary_crossentropy",
              metrics=['accuracy'])

但针对一个数据集进行fit后(截图只有一个epoch，但之前还经过了多个epoch的fit)，显示accuracy是0.98，而立即针对同一数据集做evaluation，显示accuracy只有0.48，loss也从0.12变到了0.75，差别还挺大

我也进行过一些搜索，例如：https://github.com/keras-team/keras/issues/6977   但没有找到什么有价值的答案。

希望高人相助！多谢多谢！