Разные результаты прогноза для процессора и графического процессора Tensorflow

Question

Я обучил модель с использованием TF 0.8 (что является самой высокой версией TF, которую я могу использовать на TK1), и точность прогноза на моем ноутбуке составляет ~ 80%, когда я затем перемещаю модель на TK1 под управлением Jetson, чтобы Прогнозирование с использованием ускорения GPU, точность составляет ~ 55%. Я использую точно такой же код с тем же сохраненным файлом весов.

Вот мой код для загрузки и прогнозирования данных проверки:

def load_model_1():
    images, labels = get_data("data.csv", "labels.csv", train=False)
    sess = tf.Session()
    saver = tf.train.import_meta_graph('training1/model.meta')
    saver.restore(sess, 'training1/model.ckpt')
    graph = tf.get_default_graph()
    eval_preds = graph.get_operation_by_name('eval_prediction').outputs[0]
    valid_preds = []

    for image in images:
        valid_pred = sess.run([eval_preds], feed_dict = {'eval:0': np.array([image])})[0][0]

        valid_preds.append(valid_pred)

    print("Error: ",  predict_accuracy(np.array(valid_preds), labels))

Есть идеи, почему это происходит и как это исправить? Я не думаю, что это ошибка памяти, у GPU ~ 400 МБ свободной памяти. Есть ли способ проверить память, которую использует модель?