Python：Keras 模型为相同的数据和相同的模型返回不同的结果

Question

过去几个小时，我一直在尝试制作我的第一个图像分类模型。为此，我使用了Image classification from scratch 教程。当我按照这些步骤完成时，我设法完成了教程。

与教程中的代码相比，我所做的唯一区别是：

• 为了加快训练过程，我将 epoch 数从 50 改为 10，
• 我从make_model 函数中删除了图像增强块（一行代码）。

现在，我正在解决我的问题所在。最后，当我再次尝试获取相同数据和相同模型的预测结果时，结果是不同的。看看这个简单的代码：

>>> for i in range(5):
...     predictions = model.predict(val_ds)
...     predictions_list = [round(pred[0], 3) for pred in predictions]
...     print(predictions_list[:10])

结果：

[0.937, 0.905, 1.0, 0.094, 0.021, 0.095, 0.07, 0.006, 1.0, 1.0]
[0.905, 1.0, 1.0, 1.0, 1.0, 1.0, 0.122, 1.0, 1.0, 0.0]
[0.996, 0.003, 1.0, 0.887, 1.0, 1.0, 0.798, 1.0, 1.0, 1.0]
[1.0, 1.0, 0.819, 0.999, 1.0, 0.887, 0.087, 1.0, 0.914, 1.0]
[1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 0.916, 0.102]

我假设，只有在我重新训练模型的情况下，结果才会有所不同。但这不是我的情况！我只重新运行.predict() 方法。所以，我的问题是 - 你能帮我吗，我做错了什么，好吗？我错过了什么吗？

Answer 1

你可以试试下面的代码吗？

>>> val_item = val_ds.take(1)
>>> for i in range(5):
...     predictions = model.predict(val_item)
...     predictions_list = [round(pred[0], 3) for pred in predictions]
...     print(predictions_list[:10])

在您的代码中，您使用的是不同的项目，而不是相同的项目。您可以通过手动打印 val_ds 值来检查它。

Answer 2

问题在于读取数据函数tf.keras.preprocessing.image_dataset_from_directory，它的shuffle 参数设置为True。

当我再次重新加载数据并像这样设置shuffle=False 时：

>>> val_ds = tf.keras.preprocessing.image_dataset_from_directory(
...     'PetImages',
...     shuffle=False,
...     validation_split=0.2,
...     subset="validation",
...     seed=1337,
...     image_size=image_size,
...     batch_size=batch_size,
... )
>>> for i in range(5):
...     predictions = model.predict(val_ds)
...     predictions_list = [round(pred[0], 3) for pred in predictions]
...     print(predictions_list[:10])

然后结果看起来和我预期的一样：

[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]
[0.998, 0.994, 1.0, 1.0, 0.885, 1.0, 0.998, 1.0, 0.979, 1.0]