我在 keras 中使用预训练的 ResNet50 模型，并试图查看单个样本的预测

问题在于model.predict()返回不同的值，具体取决于我何时输入单个样本与更大数组中的相同样本。

我的模型输出一个 1x6 的概率向量

我在一个样本上运行：

案例一：model.predict(X_test[0:1])

并在多个样本的数组中：

案例B：model.predict(X_test[0:2])

的预测X_test[0]是

案例一：[9.999e-01, 4.228e-06, 8.278e-05, 1.121e-06, 1.061e-06, 2.958e-05]

案例B：[1.000e+00, 7.702e-13, 2.969e-13, 6.343e-11, 7.477e-14, 1.304e-10]

为什么预测不一样？（这里的预测是概率本身，而不是argmax）

根据要求，主要代码如下：

from keras.models import load_model
from my_utils import load_dataset
import numpy as np

X_train, Y_train, X_test, Y_test, classes = load_dataset()

model = load_model('model.h5') # ResNet50 with pre-trained weights

model.predict(X_test[0:1]) # Case A

model.predict(X_test[0:2]) # Case B

ResNet50 的模型架构可以在这里找到；与我正在使用的实现的一个区别是我使用的是 6 个类而不是 1000 个

谢谢！