tensorflow 修改模型输出层后，分类对但是置信度固定值

Question

期望：
1.模型执行都固定的原因；
2.动态更改模型输出层分类。

模型构建代码：
如果不更改输出层，直接运行 base_model ，训练模型。输出置信度是正常，不同样本，置信度会有变化。
更改输出层后，置信度固定值

     base_model.layers.pop()
        # 连接模型和新输出层,构建新的模型
        prediction_layer = tf.keras.layers.Dense(class_num, activation='softmax',
                                  kernel_regularizer=global_regulizer, name="output")(base_model.layers[-1].output)
        transfer_model = tf.keras.Model(inputs=base_model.input, outputs= prediction_layer)

训练结束后看混淆矩阵数据，数据有分开。F1值= 1.0 。 但是网络输出置信度是固定值。以二分类（1，2）为例
输入分类1时， 输出 值固定是 [0.9,0.1] ， 不论样本 。 输出入分类2样本时， 输出值固定是[0.25，0.75] 。