Tensorflow 2.3在Jetson AGX Xavier上获得不同的结果

如何解决Tensorflow 2.3在Jetson AGX Xavier上获得不同的结果

我用Tesla K40训练了TF / Keras模型（UNet架构）。当我使用它与Jetson AGX Xavier（Jetpack 4.4.1）进行推理时，如果批处理大小大于3，我将得到截然不同的结果。如果未设置，则model.predict（）方法中的batch_size默认为32，并且如果仅传递3个或更少的输入，或者传递我的输入数据的整个集合，但在model.predict（）方法中指定batch_size = 3（或更少），我只会得到正确的结果。

这是代码：

import os
import numpy as np
from tensorflow import keras as K
import cdUtils
import cdModels
from libtiff import TIFF

img_size = 128
classes = 1
channels = 13
model_dir = '../models/'

model_name = 'EF_bce'

model = K.models.load_model(model_dir + model_name)    

model.summary()

dataset_dir = '../imgs_pisa/'
img_pre = 'pisa_pre/'
img_post = 'pisa_post/'
cm_name = 'pisa-cm_' + model_name

res_dir = '../res_pisa/'
os.makedirs(res_dir,exist_ok=True)

raster_pre = cdUtils.build_raster(dataset_dir + img_pre)
raster_post = cdUtils.build_raster(dataset_dir + img_post)
raster = np.concatenate((raster_pre,raster_post),axis=2)
padded_raster = cdUtils.pad(raster,img_size)
test_image = cdUtils.crop(padded_raster,img_size,img_size)

# Create inputs for the Neural Network
inputs = np.asarray(test_image,dtype='float32')
inputs_1 = inputs[:,:,:channels]
inputs_2 = inputs[:,channels:]
inputs = [inputs_1,inputs_2]

# Perform inference
results = model.predict(inputs)
print('Results: ',results)

print('Inference done!')

我检查了预处理功能（未包含在此代码段中）是否正常工作，并且输入在每个设备上始终匹配。即使我在运行时没有错误，这可能是内存问题吗？

谢谢。