You need to enable JavaScript to run this app. 集成TensorFlow Hub层的Keras模型保存恢复后预测结果不一致
优惠活动
大模型
产品
解决方案
定价
更多

集成TensorFlow Hub层的Keras模型保存恢复后预测结果不一致

含TensorFlow Hub层的Keras模型保存重载后预测结果偏差问题

运行环境

  • TensorFlow 2.0.0
  • Keras 2.3.1
  • TensorFlow Hub 0.8.0
  • Python 3.7.10

现象复现

模型训练与初始预测

模型搭建与训练逻辑如下:

import tensorflow as tf
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense
import tensorflow_hub as hub

# 初始化TensorFlow Hub层,指定训练模式标签
hub_layer = hub.KerasLayer(
    "https://tfhub.dev/google/remote_sensing/eurosat-resnet50/1",
    tags=['train'],
    input_shape=(64, 64, 3)
)

# 搭建完整分类模型
original_model = Sequential()
original_model.add(hub_layer)
original_model.add(Dense(32, activation='relu'))
original_model.add(Dense(1, activation='sigmoid'))
original_model.compile(
    optimizer='adam',
    loss='binary_crossentropy',
    metrics=['accuracy']
)

# 完成100轮训练
original_model.fit(train_generator, epochs=100)

# 取固定形状为(32, 64, 64, 3)的图像批次做预测
img_batch = ...
original_output = original_model.predict(img_batch)

原模型训练完成后的预测输出示例:

array([[0.803754  ],
       [0.2758078 ],
       ...
       [0.26074764],
       [0.6190501 ]])

模型保存与重载预测

# 保存模型为HDF5格式
original_model.save("model.hd5")

# 重载模型,注册自定义对象映射
restored_model = tf.keras.models.load_model(
    "model.hd5",
    custom_objects={'KerasLayer': hub.KerasLayer}
)

# 使用与原模型预测完全相同的图像批次输入
restored_output = restored_model.predict(img_batch)

重载后模型的预测输出示例:

array([[0.9999999 ],
       [1.        ],
       ...
       [1.        ],
       [1.        ]])

同输入、同结构、同权重的前提下,两次预测输出存在显著数值偏差。

排查过程与初步结论

  • 对照验证:移除TensorFlow Hub层的纯Keras模型,保存重载后预测结果完全一致,不存在偏差问题
  • 结构校验:对比原模型与重载模型的配置,执行original_model.get_config() == restored_model.get_config()返回值为True
  • 权重校验:逐张量对比原模型与重载模型的所有权重数值,两者完全一致
  • 初步定位:问题根源来自TensorFlow Hub层的存储与加载流程,需要对应的原因说明与解决方案

内容的提问来源于stack exchange,提问作者AlpHa03

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.30 04:06:04