1两个输出不相同，但最后25个输入图像相同。

1.那就是正确的行为甚至同样的形象预测结果也是不一样的：
1.1学习功能：学习过程的特性，不应与估计的时间培训范围不同（工作集输入提供相同的输出模式）
1.2在输出层Map标签、重要数据输出示例测量、比例、缩放、对齐、对比度、0到1输入数据Map、网络类型、字母协作等。

2较大批次中每个输入图像的输出都相同。

1.尝试更改数据输入是否提供了具有相同正确性的正确结果️
1.全局平均值、页面上字符的百分比、卷积层、在较早步骤中的归一化层️
1.训练或不训练结果不相同，用训练过的模型范围数据预测提供更好的结果，这可能会产生不稳定的输出。

3批次中图像数量的增加是问题所在。

1.使用回调函数，您可以使用条件限制可接受的范围。

4不仅对于XceptionNet，对于所有其他模型，这个问题都很明显。我也试验过EfficientNetV2模型。

1.它应该工作，选择输出层数或使用其它输出层功能。
图片更容易看出它与文本字母的不同之处，它们是边界信息，作为文本字母输入，请参见早期规范化层的输出。

这个问题似乎出现了，因为我使用的是tensorflow-macos，它有一个主要的错误预测，这是错误的超过一个特定数量的输入图像。

请参阅下面的实际问题：

• 当使用57个输入图像时，则预测与56，...，1个输入图像不同和相同（这是一致的行为并且如预期的那样）。

model.predict(batch[-57:])

1/1 [==============================] - 2s 2s/step

array([[0.00000000e+00, 2.56574154e-02, 1.79693177e-01, ...,
        2.85670068e-03, 1.08444700e-02, 2.34257965e-03],
       [0.00000000e+00, 1.28444552e-03, 0.00000000e+00, ...,
        4.11680201e-03, 4.49061068e-03, 1.83695972e-01],
       [0.00000000e+00, 2.29660165e-03, 7.84890354e-03, ...,
        1.86224483e-04, 1.81426702e-03, 1.54079705e-01],
       ...,
       [0.00000000e+00, 5.16504236e-03, 4.90547449e-04, ...,
        4.62833559e-04, 9.43152513e-03, 1.17826145e-02],
       [0.00000000e+00, 4.64747474e-03, 0.00000000e+00, ...,
        1.21422185e-04, 4.47714329e-03, 1.92385539e-02],
       [0.00000000e+00, 1.29655155e-03, 4.02751788e-02, ...,
        0.00000000e+00, 0.00000000e+00, 3.20959717e-01]], dtype=float32)

model.predict(batch[-55:])

2/2 [==============================] - 2s 1s/step

array([[0.00000000e+00, 2.29660165e-03, 7.84890354e-03, ...,
        1.86224483e-04, 1.81426702e-03, 1.54079705e-01],
       [4.94572960e-05, 8.04292504e-04, 5.08825444e-02, ...,
        4.58029518e-03, 2.09121332e-02, 5.57549708e-02],
       [0.00000000e+00, 1.62312540e-03, 0.00000000e+00, ...,
        4.35817856e-05, 2.16606092e-02, 1.30677417e-01],
       ...,
       [0.00000000e+00, 5.16504236e-03, 4.90547449e-04, ...,
        4.62833559e-04, 9.43152513e-03, 1.17826145e-02],
       [0.00000000e+00, 4.64747474e-03, 0.00000000e+00, ...,
        1.21422185e-04, 4.47714329e-03, 1.92385539e-02],
       [0.00000000e+00, 1.29655155e-03, 4.02751788e-02, ...,
        0.00000000e+00, 0.00000000e+00, 3.20959717e-01]], dtype=float32)

• 但是，当输入图像被改变为58个或更多时，存在上述问题。

model.predict(batch[-58:])

1/1 [==============================] - 2s 2s/step

array([[5.3905282e-04, 2.8516021e-02, 1.2775734e-03, ..., 5.4674568e-03,
        1.7451918e-02, 9.4717339e-02],
       [0.0000000e+00, 2.8345605e-02, 1.2786543e-03, ..., 0.0000000e+00,
        2.4870334e-03, 1.2716405e-01],
       [4.3588653e-03, 8.2868971e-02, 1.8764129e-02, ..., 2.5320805e-03,
        5.9973758e-02, 6.9927111e-02],
       ...,
       [1.7320104e-05, 3.6561250e-04, 0.0000000e+00, ..., 0.0000000e+00,
        3.5924271e-02, 0.0000000e+00],
       [1.7320104e-05, 3.6561250e-04, 0.0000000e+00, ..., 0.0000000e+00,
        3.5924271e-02, 0.0000000e+00],
       [1.7320104e-05, 3.6561250e-04, 0.0000000e+00, ..., 0.0000000e+00,
        3.5924271e-02, 0.0000000e+00]], dtype=float32)

如果有人能在Mac上仍然使用TensorFlow的同时提出一个修复或变通方案，那将会非常有帮助。
还有一个github问题，仍然没有修复here。