TensorFlow Estimator对预测的每个调用进行不同的预测

Question

我使用TF Estimators训练了Iris数据集的分类器，但是每次预测都得到了不同的结果。我想知道我是在训练中出错还是在预测中出了问题。

我正在加载一个已经受过训练的模型，并且只是调用.predict。这是我用于预测的输入函数。

def get_predict_fn(features,batch_size):
    def predict_input_fn():
        dataset = tf.data.Dataset.from_tensor_slices(dict(features))
        dataset = dataset.batch(batch_size)
        return dataset.make_one_shot_iterator().get_next()

    return predict_input_fn

这是一次通话的结果

  

[{'logits'：array（[-3.5082035，-1.074667，-3.8533034]，   dtype = float32），“概率”：array（[0.07629351，0.8696793，   0.05402722]，dtype = float32），'class_ids'：array（[1]），'classes'：array（[b'Iris-versicolor']，dtype = object）}]

这是另一个电话

  

[{'logits'：array（[3.0530725，-1.0889677，2.3922846]，   dtype = float32），“概率”：array（[0.6525989，0.01037006，   0.337031]，dtype = float32），'class_ids'：array（[0]），'classes'：array（[b'Iris-setosa']，dtype = object）}]

两者都在调用相同的模型，并发送相同的示例DataFrame。

  

sepal_length sepal_width花瓣_长度petal_width
  5.7 2.5 5.0 2.0