Tensorflow 通过删除一条线，将模型精度从50%更改为100%？

我在这个项目上工作了将近5年。这是一个时间序列分析加密模型

在使用ML之前，我从未遇到过一个问题。我的程序是由一个用于该程序的控制器构成的。我使用的是Visual Studio代码v1.51.1。ML模型是WaveNet的一个修改版本。我的GPU是GTX1080。不确定其他PC规格是否相关

当我有此代码时：

model = Model.build_model(input_neurons, hidden_neurons, output_neurons, drop_rate, learning_rate, loss, metrics, embed_dim2, num_features, num_categories, model_config)

trained_model, test_loss, test_accuracy = Model.train_model(model, X_train, X_test, Y_train, Y_test, n_epochs, batch_size, val_size)

model_architecture = Data.get_model_architecture(model)
predictions = Model.predict(X_test, model)
model_metrics_df, predictions_df, crypto_types = Data.process_results(trained_model, predictions, Y_test, metrics, crypto_test)
params_df = Data.process_params(experiment_num, model_name, model_config, model_type, batch_size, n_epochs, learning_rate, hidden_neurons, shuffle, test_size, val_size, drop_rate, test_samples, val_samples, test_loss, test_accuracy, embed_dim, look_back, look_ahead)
Plot.plot_results(charts_path, model_metrics_df, predictions_df, params_df, model_architecture, crypto_test, crypto_types)
Data.save_results(params, index, test_accuracy, results_path)

我得到了这样的准确度： 当我进行此更改时，只需为预测添加打印行：

model = Model.build_model(input_neurons, hidden_neurons, output_neurons, drop_rate, learning_rate, loss, metrics, embed_dim2, num_features, num_categories, model_config)

trained_model, test_loss, test_accuracy = Model.train_model(model, X_train, X_test, Y_train, Y_test, n_epochs, batch_size, val_size)

model_architecture = Data.get_model_architecture(model)
predictions = Model.predict(X_test, model)
print(predictions)
model_metrics_df, predictions_df, crypto_types = Data.process_results(trained_model, predictions, Y_test, metrics, crypto_test)
params_df = Data.process_params(experiment_num, model_name, model_config, model_type, batch_size, n_epochs, learning_rate, hidden_neurons, shuffle, test_size, val_size, drop_rate, test_samples, val_samples, test_loss, test_accuracy, embed_dim, look_back, look_ahead)
Plot.plot_results(charts_path, model_metrics_df, predictions_df, params_df, model_architecture, crypto_test, crypto_types )
Data.save_results(params, index, test_accuracy, results_path)

我得到以下结果：

有人知道这里会发生什么吗？我为那行添加什么似乎无关紧要，但是添加一行会导致准确率下降到56%

编辑：我用它做了更多的测试，每当我在程序的任何地方添加一行时，它就会出现，精度会发生变化。如果我添加两行代码，它会返回到100%

---

编辑#2：我已经从头开始重新编写了程序，并且遇到了同样的问题。

这行代码是否在带有块的

中？不，它在任何函数之外。您是否认为添加或不添加代码行实际上无关紧要，这个模型只是随机地工作还是不工作？如果你确定的话，这可能是一个问题，你可以将其作为github问题发布。xdurch0，我已经对它进行了相当彻底的测试。当我有偶数行代码时，该模型100%工作，当它是奇数时则不工作。这不是随机的，因为我可以根据需要通过添加或删除行来复制结果。行是否在带有

块的

中？不，它在任何函数之外。您是否认为添加或不添加代码行实际上是无关的，这个模型只是随机地工作还是不工作？如果你确定的话，这可能是一个问题，你可以将其作为github问题发布。xdurch0，我已经对它进行了相当彻底的测试。当我有偶数行代码时，该模型100%工作，当它是奇数时则不工作。这不是随机的，因为我可以根据需要通过添加或删除行来复制结果。