Python-Tensorflow保存的模型精度低于保存前

Question

我已经在tensorflow中建立了卷积神经网络，在数据集上对其进行训练，并在看不见的数据上对其进行评估。这样做，我得到了约98%的准确率对看不见的数据<然后我用

model.save("path/to/model")

tf.keras.models.load_model("path/to/model")

并根据相同的数据进行评估，我得到了98%的准确性，但这次我得到了~96%。差别不大，但我觉得也不小。那正常吗？
我已经看到很多次在tenstorflow中，只有权重被导出，而不是偏差，但我不知道它与此有关
这是我的模型结构：

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 26, 26, 64)        640       
_________________________________________________________________
activation (Activation)      (None, 26, 26, 64)        0         
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 13, 13, 64)        0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 11, 11, 64)        36928     
_________________________________________________________________
activation_1 (Activation)    (None, 11, 11, 64)        0         
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 5, 5, 64)          0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 3, 3, 64)          36928     
_________________________________________________________________
activation_2 (Activation)    (None, 3, 3, 64)          0         
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 1, 1, 64)          0         
_________________________________________________________________
flatten (Flatten)            (None, 64)                0         
_________________________________________________________________
dense (Dense)                (None, 10)                650       
_________________________________________________________________
activation_3 (Activation)    (None, 10)                0         
=================================================================
Total params: 75,146
Trainable params: 75,146
Non-trainable params: 0
_________________________________________________________________
None

Answer 1

这取决于是否有任何随机元素，例如，是否从一开始就对训练数据进行洗牌或随机初始化权重（这是默认设置）。在这种情况下，该算法将找到不同的局部最小值，从而产生不同的结果。

如果你想总是得到完全相同的结果，以相同的顺序输入训练数据，并使用tf.set_random_seed（0），这将使你的初始权重总是相同的。