如何在TensorFlow会话中运行Keras model.predict()进行预测？

我来帮你捋清楚这个问题——你遇到的核心问题其实是Keras和手动创建的TensorFlow Session之间没有正确绑定，再加上predict()的调用方式有误，才导致预测结果一直不变。下面是具体的解决思路和修正后的代码：

关键原因分析 #

Keras默认会自动创建并管理自己的TensorFlow会话，如果你手动创建了tf.Session但没有让Keras绑定到这个会话，那么model.predict()会在Keras自己的独立会话中运行，和你手动初始化的会话完全脱节。这就会导致你在手动会话里做的变量初始化根本没生效，模型可能一直用初始的随机权重（或者未更新的状态）输出相同结果。

修正步骤与代码示例 #

1. 绑定Keras到手动创建的Session #

在会话启动后，一定要调用Keras后端的set_session()方法，让Keras使用当前的会话：

import tensorflow as tf
from keras import backend as K

# 假设你的graph和model已经定义好
with tf.Session(graph=graph) as sess:
    # 绑定Keras到当前会话
    K.set_session(sess)
    # 初始化所有变量
    sess.run(tf.global_variables_initializer())
    
    # 如果你的模型是预训练好的，记得加载权重（这一步很重要！）
    # model.load_weights('your_trained_weights.h5')
    
    # 正确调用predict：传入你的输入数据，而不是模型本身
    # 比如x是你的输入样本，形状要符合模型输入要求
    predictions = model.predict(x)
    print(predictions)

2. 常见误区提醒 #

• 不要把模型本身传给predict()：model.predict()的参数是输入数据（比如测试集的样本），不是模型对象，你之前写的model.predict(#my_model)是完全错误的用法。
• 务必加载预训练权重：如果你的模型是之前训练好的，一定要在会话里调用model.load_weights()，否则模型会用随机初始化的权重运行，预测结果自然没有意义，甚至可能重复。
• 确保输入数据正确：检查你的输入数据是否每次都传入了不同的样本，有时候输入数据重复也会导致预测结果一致。

替代方案：使用Keras原生的会话管理 #

如果你不需要手动控制TensorFlow会话，其实可以直接用Keras的原生接口，不需要手动创建tf.Session，这样更简单：

# 假设model已经定义并加载好权重
predictions = model.predict(x)

这种方式下Keras会自动处理会话，避免手动绑定的麻烦。

内容的提问来源于stack exchange，提问作者Balaji