keras 和 tf.keras 中的 ResNet 模型对同一图像给出不同的输出

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，每个图像给出 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，自从 keras 与 tensorflow 合并后，我已经转移到tensorflow==2.0.0 。 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？ 是否有任何参数可以调整以获得相同的功能？

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。 这是发布文件夹，您可以在其中查看不同权重文件的发布。 链接的文件夹用于 keras，它很可能也被 tf.keras 使用。 您面临的问题可能是因为库的版本而不是调用模型的方法。

例如， 在这里您可以找到 keras_applications 代码并检查指向版本 v0.2 的权重路径（链接是 keras，但对于 tensorflow.keras 也是如此）。

较旧的库版本具有较旧的链接，更新库也会更新路径。