TensorFlow中sess.run每次返回相同输出标签的问题求助

我看了你的代码，这里有几个可能导致每次调用sess.run都返回相同数组的问题，你可以一步步排查：

• 变量名笔误：你代码里定义了y_pred = tf.get_default_graph().get_tensor_by_name('y_pred:0')，但后面sess.run(pred, ...)里用的是pred——这明显是个错误！应该改成sess.run(y_pred, ...)，不然你可能在运行一个未正确定义的张量（如果之前有其他地方定义了常量pred，就会一直返回固定值）。

• 输入维度不匹配：你的X是形状(784,)的placeholder，但通常TensorFlow模型训练时会使用批量输入（比如形状(None, 784)，None代表批量大小）。如果训练时模型的输入是批量维度在前，那喂单个样本时需要把imageprepare返回的(784,)数组增加一个批量维度，改成(1, 784)的形状。试试这样修改：

  img = imageprepare('jean.jpeg')
  # 增加批量维度
  img_batch = img.reshape(1, 784)
  output_label = sess.run(y_pred, feed_dict={X: img_batch})
  

  维度不匹配时，模型可能会静默地用错误逻辑处理输入，导致输出固定。

• 检查imageprepare的输出：你要确认这个函数处理不同图片时，返回的(784,)数组是否真的不同。比如可以打印imageprepare('jean.jpeg')的内容，再换一张图打印对比——如果两次输出完全一样，那问题出在预处理环节：可能是图片路径错误（一直读同一张图或读不到图返回默认值），或者预处理逻辑有问题（比如没做归一化、错误地把所有像素设为同一个值）。

• 验证模型恢复的正确性：确认y_pred:0是训练时正确定义的张量名。训练时可以用print(y_pred.name)输出张量全名，避免恢复时拿到的是常量或无关张量。另外，也可以在恢复模型后打印图中所有张量名，确认y_pred:0存在：

  for tensor in tf.get_default_graph().get_operations():
      print(tensor.name)
  

• 确认图重置生效：虽然你用了tf.reset_default_graph()，但要确保每次调用predict()时，这个操作都正确重置了计算图，避免残留的旧张量干扰结果。

你先从这些点入手，应该能定位到问题所在。

内容的提问来源于stack exchange，提问作者Rachit