基于同样的ckpt多次导出的embedding表都不一样？

运行官网的ppi数据集，跑的是graphsage_supervised算法模型，训练后，然后进行embedding表的导出，
(1) 第1次执行命令如下：
python -m tf_euler --model_dir ./model_graphsage_supervised_local --max_id 56944 --feature_idx 1 --feature_dim 50 --label_idx 0 --label_dim 121 --model graphsage_supervised --mode lsave_embedding --data_dir ppi

导出的embedding大小如下：
58311808 embedding.npy
然后将embedding.npy转换为embedding表，其大小为：
163233692 embedding_npy_new_3
得到第一行的值为：
1 0.16256002 0.6374952 0.6620392 1.0137732 -0.43433663 -0.21821757 -0.074182674 ......
(2) 再次执行如下命令：
python -m tf_euler --model_dir ./model_graphsage_supervised_local --max_id 56944 --feature_idx 1 --feature_dim 50 --label_idx 0 --label_dim 121 --model graphsage_supervised --mode save_embedding --data_dir ppi

导出的embedding大小如下：
58311808 embedding.npy
然后将embedding.npy转换为embedding表，其大小为：
163225039 embedding_npy_new_4
得到第一行的值为：
1 0.116333544 0.6290663 0.47425652 0.98439133 -0.5063977 -0.24195752 -0.09124704......

@yangsiran 从（1）和（2）看到，基于同样的训练模型ckpt基础上进行embedding表导出，先后得到的embedding表是不同的，查看各表的第1行对应的权重参数是不同的，所以，想问一下，多次基于相同的ckpt导出的embedding表对应的权重参数怎么都不一样？

Reproduce the PPI GraphSAGE supervised export from model_graphsage_supervised_local with the two commands shown, comparing mode lsave_embedding and mode save_embedding. Inspect the generated embedding.npy files and their first rows; done means determining why the same checkpoint produces different embeddings and documenting or correcting the behavior.

Written by the indexing model from the issue text.