TensorFlow Same Model 在 Colab 和本地返回不同的结果

Question

我在 Colab 和本地（终端中的 python3）上运行相同的代码并得到非常不同的结果。

import pandas as pd
import tensorflow as tf
model = tf.keras.models.load_model('./my_saved_model')
inputs = pd.read_csv('./inputs.csv', index_col=0)
print(model.predict(inputs))

• './inputs.csv' 是一个包含输入数据的单行 pandas 数据框
• './my_saved_model' 是密集序列模型

对于 Colab，我将这些文件复制到本地笔记本目录中。 tf.__version__ 在本地终端为 2.5.0，在 Colab 为 2.7.0。

在 Colab 上，打印输出为 array([[0.00000000e+00]], dtype=float32)，这似乎不正确，而在本地终端上，打印输出为 array([[0.447962]], dtype=float32)，这似乎是正确的。我尝试了其他输入数据行，每次 Colab 错误地返回 0 或 1，而本地终端正确返回 0 到 1 之间的值。

我不知道为什么会这样，除了 tensorflow 版本不向后兼容的可能性。

这是模型摘要，以防有帮助：

Layer (type)                 Output Shape              Param #
- - -  
normalization_3 (Normalizati (None, 101)               203       
dense_2 (Dense)              (None, 1)                 102  
- - -     
Total params: 305
Trainable params: 102
Non-trainable params: 203

Answer 1

确认 tensorflow 版本是导致错误的原因。我在 colab 中添加了 pip install tensorflow==2.5.0（即使它是 not advised），一切正常。

很奇怪，tensorflow 2.x 不支持向后兼容。