keras 中的 ResNet 模型和 tf.keras 为同一图像提供不同的输出
ResNet model in keras and tf.keras give different output for the same image
对于给定的图像,我正在提取 ResNet 特征,即在所有 conv 层和全局最大池化之后,它为每个图像提供 2048 长度的向量。
早些时候,我使用 keras==2.3.1
和后端 tensorflow==1.13.1
。现在,我已经转向 tensorflow==2.0.0
,因为 keras 已与 tensorflow 合并。我用 tf.keras
而不是 keras
.
替换了我的代码
但是现在提取的特征和之前提取的特征不一样了。 ResNet 是一个独立于 tensorflow/keras 甚至 pytorch 的模型。它的功能是预定义的。为什么会出现这种差异?是否可以调整任何参数以获得相同的功能?
编辑 1:添加代码
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input
resnet_model = ResNet50(include_top=False)
对于给定的图像,我正在提取 ResNet 特征,即在所有 conv 层和全局最大池化之后,它为每个图像提供 2048 长度的向量。
早些时候,我使用 keras==2.3.1
和后端 tensorflow==1.13.1
。现在,我已经转向 tensorflow==2.0.0
,因为 keras 已与 tensorflow 合并。我用 tf.keras
而不是 keras
.
但是现在提取的特征和之前提取的特征不一样了。 ResNet 是一个独立于 tensorflow/keras 甚至 pytorch 的模型。它的功能是预定义的。为什么会出现这种差异?是否可以调整任何参数以获得相同的功能?
编辑 1:添加代码
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input
resnet_model = ResNet50(include_top=False)