Tensorflow tf.keras.Model.predict和call返回不同的结果

tf.keras.Model.predict

并调用返回不同的结果

import tensorflow as tf
import numpy as np
tf.set
ipts = tf.keras.Input([2])
x = tf.keras.layers.Dense(10)(ipts)
x = tf.keras.layers.Dropout(0.5)(x)
x = tf.keras.layers.Dense(3)(x)
model = tf.keras.Model(ipts, x)
model.summary()
sess = tf.Session()
sess.run(tf.global_variables_initializer())
y_train = model(tf.ones((2,2)),training=True)
y_test = model(tf.ones((2,2)),training=False)
sess.run(y_train)
sess.run(y_test)
model.predict(np.array([[1.,1.],[1.,1.]]))

---

sess.run（y_test）

应该与

model.predict（np.array（[[1,1.]，[1,1.]]）

相同，但事实上它们是不同的。为什么？

您需要使用

K.set\u会话（sess）

将会话注册为您的Keras会话。然后

sess.run（y_test）

给出与

model.predict（np.array（[[1,1.]，[1,1.]]）相同的结果。

model.predict不能使用training=false原因是您使用的是随机初始化的模型，所以当您调用sess.run（tf.global_variables_initializer（））时，您将在tensorflow会话中初始化模型变量，如果调用predict，keras会初始化这些值