使用以下代码：https://www.tensorflow.org/tutorials/eager/custom_training_walkthrough
当我运行3个示例对新数据进行3个预测时（该新数据显示在本教程的结尾），它始终是“ setosa”。但是，教程作者声称他们还能得到其他东西。
教程作者声称他们得到了这些预测：
Example 0 prediction: Iris setosa (97.4%)
Example 1 prediction: Iris versicolor (81.9%)
Example 2 prediction: Iris virginica (69.3%)
通过对比我总是得到：
Example 0 prediction: Iris setosa (98.8%)
Example 1 prediction: Iris setosa (96.0%)
Example 2 prediction: Iris setosa (90.6%)
我什至在命令行中重新启动了jupyter守护程序，并且多次重绘了此笔记本，并且始终通过此特定代码段来预测“ setosa”。
这是我正在谈论的Google教程代码段：
predict_dataset = tf.convert_to_tensor([
[5.1, 3.3, 1.7, 0.5,],
[5.9, 3.0, 4.2, 1.5,],
[6.9, 3.1, 5.4, 2.1]
])
class_names = ['Iris setosa', 'Iris versicolor', 'Iris virginica']
predictions = model(predict_dataset)
for i, logits in enumerate(predictions):
class_idx = tf.argmax(logits).numpy()
p = tf.nn.softmax(logits)[class_idx]
name = class_names[class_idx]
print("Example {} prediction: {} ({:4.1f}%)".format(i, name, 100*p))
您想运行本教程，看看是否遇到同样的问题，然后报告？
我已经花了一整天的时间，不会复制在这里尝试过的所有内容。您只需运行Google的教程代码，看看它是否有效。
以下可能是导致问题的一些原因。
也许这是一个jupyter问题。待办事项：尝试在 常规python .py文件。输出什么预测？
也许这是重量问题的初始化，而权重是 总是从零开始。待办事项：使用随机权重初始化 某种。
也许这是一个jupyter重新启动问题。待办事项：重新启动它，看看是否 产生相同的问题输出。结果：每次输出都相同。这表明模型训练是一致的，初始权重的随机化不会发生，但是如果这样做的话会很好，所以我应该尝试一下。
也许这是一个conda版本的问题，而这台笔记本是某种方式 使用与我想象不同的环境。 TODO：不知道。
也许这是Google提供的教程代码错误。待办事项：看是否 其他人在本教程代码中也遇到相同的问题。
也许这是我的代码问题。待办事项：用 严格来说是Google的教程代码，一点也没有。
也许cross_entropy应该汇总为一个标量 最小化之前的值，例如使用tf.reduce_mean（）。 待办事项：这样做。
也许这是我TF版本中的错误，并且已在较新版本中修复。 待办事项：看看是否有人在教程代码中遇到了相同的错误。
也许这是GPU代码错误，并且可以在CPU上正常工作。待办事项：使用CPU。
在本教程代码中，还有其他问题。我一次只关注一个问题。例如，测试集是使用训练集文件生成的，但是应该已经对其进行编码以使用测试集文件。我修复了教程代码以加载测试集文件。
我的库版本是：
Python version 3.5.4 |Anaconda custom (64-bit)| (default, Nov 20 2017, 18:44:38)
[GCC 7.2.0]
Numpy version 1.14.5
Tensorflow version 1.8.0
Matplotlib version 2.2.2
Pandas version 0.21.1
Scipy version 1.0.0
$ jupyter notebook --version = 4.4.1
我正在使用GPU执行TensorFlow引擎。