keras - 模型对于相同的输入有不同的输出
问题描述
我开发了一个小模型来识别图片上是否有行人。
它在我的测试集上达到了 99% 的准确率,并且在我的计算机上运行良好。
但是,当我将它部署在我的服务器上时,结果会发生变化并且准确性正在下降。例如,对于相同的图像,sigmoid 将是:在我的计算机上:0.9 在我的服务器上:0.01
我已经检查了规范化,数据的准备,一切都是一样的。
唯一的区别是我的计算机在 GPU 上运行,而我的服务器在 CPU 上运行。我知道这种情况总是有一点区别(因为 GPU 是非确定性的),但我从来没有过这样的情况。
我认为这可能是BatchNormalization
我使用的图层。但它为什么会产生这个?
(这是我第一次在我的服务器上部署带有 BatchNorm 的模型,所以,我只看到这个..)
解决方案
推荐阅读
- swift - 使用计数器变量隐藏许多标签
- c++ - 使用类中的方法作为运算符为类的私有成员赋值
- php - 使用密码短语的 PHP 请求
- python - 在 Python 中使用大型数据集实现 OOP 的好方法
- hibernate - mssql-jdbc MS SQL Server JDBC 驱动程序准备好的语句缓存性能问题与 Hikari CP
- ios - lerna 包内的 React-native 应用程序
- python - Python URL 编码错误
- android - 当开始的活动不是“返回者”时,开始活动的结果
- php - 设置一个 Laravel 现有项目
- django - 使用当前 FormWizard 中的数据返回新的 FormWizard