TensorFlow H5模型在FastAPI中预测结果恒为‘3’问题求助

一、修复代码语法错误 #

你的FastAPI预测函数末尾存在语法遗漏，缺失闭合括号：

class_prediction = prediction_classes[np.argmax(score)

修正为：

class_prediction = prediction_classes[np.argmax(score)]

二、移除重复的Softmax处理 #

模型最后一层已配置softmax激活函数，输出结果本身就是各分类的概率分布。部署代码中重复执行softmax会扭曲概率分布，导致预测异常，直接使用模型原始输出即可：

# 移除 score = softmax(prediction[0])
score = prediction[0]
class_prediction = prediction_classes[np.argmax(score)]

三、对齐图片预处理逻辑与训练标准 #

MNIST训练集的标准格式是数字为白色（高像素值）、背景为黑色（低像素值），若你上传的图片是数字黑、背景白的反转格式，模型会完全无法识别，大概率输出固定类别。可添加像素反转测试：

normalized_image_data = 1.0 - normalized_image_data  # 反转像素值

同时确认训练时的归一化逻辑：若训练集未做/255.0处理，需同步调整部署代码的归一化步骤。

四、验证模型加载的正确性 #

即使依赖版本一致，也需确认部署环境中的mnist_model.h5是本地训练完成的正确文件：

• 在部署代码中添加模型结构打印，对比本地模型：

print(ML_model.summary())

• 用一张本地测试过的图片，在部署环境中直接加载预测，验证结果是否与本地一致。

五、检查输入张量形状 #

确保输入模型的张量形状与训练要求一致：
模型输入格式为(batch_size, 28, 28, 1)，可打印normalized_image_data.shape确认是否为(1,28,28,1)，避免因形状不匹配导致的预测异常。

六、确认Softmax函数的有效性 #

若softmax是自定义实现，可能存在逻辑错误，建议明确使用TensorFlow官方实现：

from tensorflow.nn import softmax

内容的提问来源于stack exchange，提问作者Bhargav Dasari