Python 张量流预测随着更多预测的进行而改变

我使用的是tensorflow 0.8.0和skflow（）。我的模型与此非常相似，但最后一层是dnn（与minst示例类似）。没有什么特别的事情发生，模型本身运行得很好。文本输入最多为200个字符和3个类别

我看到的问题是，当我尝试加载模型并进行许多预测（通常约200个预测或更多）时，我开始看到结果有所不同

例如，我的模型已经训练好了，我加载它，浏览我的数据并做出预测

char_processor = skflow.preprocessing.ByteProcessor(200)
classifier = skflow.TensorFlowEstimator.restore('/path/to/model')

for item in dataset:
    # each item is an array of strings, ex: ['foo', 'bar', 'hello', 'world']
    line_data = np.array(list(char_processor.transform(item)))
    res = classifier.predict_proba(line_data)

如果我加载我的分类器，只给它一个项目进行预测，然后退出，那么它工作得非常好。当我继续做预测时，我开始看到奇怪

---

我会错过什么？对于相同的数据，我的模型不应该总是返回相同的结果吗？

如果您的模型使用的是skflow批量标准化实现，这可能是更改的来源。当前的实现在验证期间更新移动平均值-请看。嗯，我没有做任何批处理规范化。我仍然尝试用拉请求修补tensorflow，但我仍然有同样的问题，除非我需要重新训练我的模型？如果你没有使用批处理规范化，那么这不是问题的根源，你可以忽略我的评论和链接。再培训是没有必要的。这个问题看起来和我的问题很相似，似乎确实如此。当我移除dnn时，这似乎不再发生。