为什么使用相同的 Keras 模型和输入进行预测会得到不同的结果？

Question

在这里发帖是我最后的手段，因为我在网上找不到类似的东西。 我训练了一个模型来将嵌入分类（一个简单的三层密集神经网络）。

现在我想使用经过训练的模型进行实时预测，但我发现如果我将整个测试数据框输入模型，则获取元素编号i的预测，并将其与我得到的预测进行比较仅将测试数据帧的元素编号i输入模型，我得到不同的结果。 这是代码，以防我解释得不够好：

i = 522
y_pred = model.predict(X_test)
y_pred_2 = model.predict(X_test.iloc[[i]])

print (f'{np.argmax(y_pred[i])} {np.argmax(y_pred_2)}')

output: 8 5

就像我的模型在一次运行中处理整个测试集而不是一次处理一行时的行为不同。 我正在使用熊猫作为输入数据。

编辑：更多信息， y_pred和y_pred_2的输出形状y_pred_2是(603, 10)和(1, 10) ，其中 10 是我拥有的类数。

两个预测的一些示例值，带有任意i ：

y_pred[i]: array([1.3353945e-02, 2.8374636e-09, 1.4435661e-08, 3.4135045e-18,
   7.7986561e-02, 3.7737598e-03, 2.0284578e-10, 2.7154891e-03,
   9.0203673e-01, 1.3346069e-04], dtype=float32)

y_pred_2 = array([[1.1702824e-16, 1.6781385e-37, 2.5281618e-33, 0.0000000e+00,
        2.3075200e-09, 1.0000000e+00, 9.9125501e-35, 6.2606384e-22,
        5.8689110e-14, 2.3486194e-24]], dtype=float32)

Answer 1

np.argmax默认为行轴。 您正在获得跨行的最大预测，并且您希望跨列进行预测。 尝试：

print(f'{np.argmax(y_pred[i], axis=1)} {np.argmax(y_pred_2, axis=1)}')