TensorFlow2，官网上的代码有错误吗？？排这个雷又花了好多时间

书接前文，好不容易把TensorFlow2GPU环境配好，开始试代码，参照一位高人的例子开始动手：

原文在此

小例子运行成功。

Train on 60000 samples
Epoch 1/5
60000/60000 [==============================] - 3s 46us/sample - loss: 0.4979 - accuracy: 0.8257
Epoch 2/5
60000/60000 [==============================] - 3s 44us/sample - loss: 0.3735 - accuracy: 0.8644
Epoch 3/5
60000/60000 [==============================] - 3s 44us/sample - loss: 0.3330 - accuracy: 0.8788
Epoch 4/5
60000/60000 [==============================] - 3s 44us/sample - loss: 0.3128 - accuracy: 0.8861
Epoch 5/5
60000/60000 [==============================] - 3s 44us/sample - loss: 0.2904 - accuracy: 0.8938

继续探索，发现此例子脱胎于谷歌TensorFlow2官网上的教程，心里对作者产生一点鄙夷，于是干脆去对照官网的例子 官网例子点这 去重头研读，收获更丰，心满意足。可以代码改来改去突然坏掉了，结果如下。

model.fit(train_images, train_labels, epochs=5)
Train on 60000 samples
Epoch 1/5
60000/60000 [==============================] - 3s 51us/sample - loss: 2.3300 - accuracy: 0.1532
Epoch 2/5
60000/60000 [==============================] - 3s 48us/sample - loss: 2.3026 - accuracy: 0.2064
Epoch 3/5
60000/60000 [==============================] - 3s 48us/sample - loss: 2.3026 - accuracy: 0.2064
Epoch 4/5
60000/60000 [==============================] - 3s 49us/sample - loss: 2.3026 - accuracy: 0.2064
Epoch 5/5
60000/60000 [==============================] - 3s 50us/sample - loss: 2.3026 - accuracy: 0.2064

识别准确率只有20%，loss大道到2。明显是哪里有问题，而且错误很严重，有可能是数据不小心被我改坏了，因为跟师弟聊过数据除以255的问题，也有可能是网络结构被我改坏了。这两个问题分别排查，发现官网上model.fit之后model.fit，最后再probability_model.predict，predict之前加上了一层

probability_model = tf.keras.Sequential([model,tf.keras.layers.Softmax()])

而加之前仅仅是

model = keras.Sequential(
[
    layers.Flatten(input_shape=[28, 28]),
    layers.Dense(128, activation='relu'),
    layers.Dense(10)
])

此处与csdn上的例子不同。于是改回去，加上最后一个全连接层的激活函数

layers.Dense(10, activation='softmax')

心里估计这下百分百没问题了，结果运行之后故障依旧
红了一大片，不知怎么回事儿，心烦地睡去。
隔日开机继续排查，想来想去还是网络结构有问题的可能性最大，加激活与不加，继续试，问题竟然解决了，但是如图所示，得到的数值结果不接近1，只是明显不其他类别大一些而已，也就是说蓝色柱子比较矮。

继续排查，发现要得到官网上的结果应该将官网代码model和probability_model分别改为：

model = keras.Sequential(
[
    layers.Flatten(input_shape=[28, 28]),
    layers.Dense(128, activation='relu'),
    layers.Dense(10,activation='softmax')
    #layers.Dense(10)
])

probability_model = model

此时才能得到与官网一致的结果：

几点思考

1. 为什么第一天发现网络结构有问题，改正后运行看不到效果。
2. 难道官网代码有误（2020年3月16日版本）？而csdn那位博主改对了？因为他的预测是这么写的predictions = model.predict(test_images)。