我训练的时候是没有任何问题的，每次 18张图片的训练，用的是inception_resnet_v2，保存之后，我取出模型用在测试图片的时候，每次测试一张图片，不管测试多少次，结果都是一样，比如第一次测试 分类a概率为百分之10，分类b概率为百分之20 ，分类c概率为百分之70,。那么不管我换什么图片这个概率都不会变，只有我再次用18张测试图片一起试的时候才行，用的是slim库。代码就是github上面的源码。不带保存，我自己在训练的地方加的保存

训练都和往常一样了，导出模型后，在测试阶段调用相同的网络，参数is_training一定要设置成False。
?
logits = model.resnet(X, 100, is_training=False)
否则，可能会出现这种情况：所有的单个图像分类，最后几乎全被归为同一类。这可能就是训练模式设置反了的问题

实际上是你自己理解的错误，batch=1的时候最终得到的y是分类几个的一维向量，只是通过计算准确率的时候用到了tf.argmax(y, 1)这个函数，获取一个向量的最大值的坐标，相当于获取本次分类最终会在哪一个类里面