Python 在不同环境中运行不同的代码

在新的Udacity Tensorflow课程中，链接的Colab笔记本中的CNN课程有一个使用Fashion MNIST数据集的代码。在Colab中运行代码可以产生92%的准确率。然而，将代码复制到我电脑上的Spyder中，而不改变任何一个单词，可以产生最高20%的准确率，最终达到11%

我的电脑（Windows10，64位）运行Anaconda3，带有Spyder3.3.2IDEforPython3.7.1。我确保以相同的顺序复制和运行代码块。作为参考，在上一课中没有使用卷积层，Spyder中的输出与Colab中的输出类似

链接到相关的Colab（我假设它可以共享，因为课程是免费的）：

---

我想了解Colab env之间的区别。还有我的电脑环境。这使得这些改变的输出。请告诉我是否有任何信息可以添加到此问题。

您确定使用相同的tensorflow版本吗？和相同的数据集？你在这两种环境中都使用gpu吗？@Vaibhavgusain我仔细检查了一下，我使用了相同的TF版本，使用了相同的数据集导入，在Spyder中，我使用了

和TF.device（'/gpu'）

来实现TF的gpu处理，但我的模型仍然有10%的准确性。