这是个很典型的版本兼容性细节问题，结合你用的Keras 2.2.4 + TensorFlow 1.13.1组合，我来帮你理清楚：

1. 双进度条的原因 #

在这个特定的版本组合中，当你同时满足两个条件时就会触发双进度条的显示：

• 训练数据用ImageDataGenerator.flow()生成器传入
• 验证数据直接传入numpy数组形式的(val_x, val_y)，并且指定了validation_steps

Keras在处理这种验证数据时，会自动把numpy数组包装成一个临时生成器来迭代计算验证指标，而这个临时生成器默认会打印自己的迭代进度——也就是你看到的第一个进度条（比如153/153那行）。第二个进度条则是训练过程的主进度条，负责汇总训练epoch的平均指标，并附上验证集的最终计算结果。

2. 第一个示例中的第二个进度条是什么？ #

第二个进度条是训练过程的核心进度条：

• 它的12/12对应你设置的steps_per_epoch=len(train_x)//BS，也就是每个epoch需要跑完的训练batch总数
• 里面的loss和acc是整个训练epoch的平均损失与准确率
• 末尾的val_loss和val_acc就是验证集计算得到的指标（和第一个进度条的数值接近，微小差异来自batch拆分或计算精度）

3. 为什么平时只看到一个进度条？ #

在较新的Keras版本（比如2.3.x及以上）或者TensorFlow 2.x对应的Keras实现中，官方优化了训练循环的显示逻辑：

• 会把训练和验证的进度合并到同一个主进度条里
• 训练进度完成后，直接在同一行末尾显示验证指标，不会单独打印验证集的进度条

解决双进度条的小技巧 #

如果你想在当前版本下只显示一个进度条，可以把验证数据也用ImageDataGenerator.flow()包装后传入：

history = model.fit(
    data.flow(train_x,train_y,batch_size=BS),
    steps_per_epoch=len(train_x)//BS,
    validation_data=data.flow(val_x, val_y, batch_size=BS),
    validation_steps=len(val_x)//BS,
    epochs=EPOCHS)

这样Keras会用统一的生成器逻辑处理训练和验证数据，就只会显示一个包含所有指标的进度条了。

内容的提问来源于stack exchange，提问作者LContini