keras 中的 ResNet 模型和 tf.keras 为同一图像提供不同的输出

Question

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)

Answer 1

模型本身不断更新，并使用具有更好结果的权重。 Here是releases文件夹，可以看到不同权重文件的releases。链接的文件夹用于 keras，tf.keras 很可能也使用了它。 您遇到的问题可能是因为库的版本而不是调用模型的方法。

例如，here 你可以找到 keras_applications 代码并检查指向发布 v0.2 的权重路径（链接是 keras，但与 tensorflow.keras 类似）。

较旧的库版本具有较旧的链接，更新库也会更新路径。