在CPU和GPU Tensorflow上的不同预测结果

Question

我使用TF 0.8（这是我可以在TK1上使用的最高TF版本）训练了一个模型，当我将模型移至运行Jetson的TK1上时，笔记本电脑的预测精度约为80％使用GPU加速进行预测，准确度约为55％。我正在使用完全相同的代码和相同的保存的权重文件。

这是我用于加载和预测验证数据的代码：

def load_model_1():
    images, labels = get_data("data.csv", "labels.csv", train=False)
    sess = tf.Session()
    saver = tf.train.import_meta_graph('training1/model.meta')
    saver.restore(sess, 'training1/model.ckpt')
    graph = tf.get_default_graph()
    eval_preds = graph.get_operation_by_name('eval_prediction').outputs[0]
    valid_preds = []

    for image in images:
        valid_pred = sess.run([eval_preds], feed_dict = {'eval:0': np.array([image])})[0][0]

        valid_preds.append(valid_pred)

    print("Error: ",  predict_accuracy(np.array(valid_preds), labels))

关于这种情况为什么发生以及如何解决的任何想法？我不认为这是内存错误，GPU拥有约400 MiB的可用内存。有没有办法检查模型使用的内存？