keras 和 tf.keras 中的 ResNet 模型對同一圖像給出不同的輸出

Question

對於給定的圖像，我正在提取 ResNet 特征，即在所有 conv 層和全局最大池化之后，每個圖像給出 2048 長度的向量。

早些時候，我使用keras==2.3.1和后端tensorflow==1.13.1 。 現在，自從 keras 與 tensorflow 合並后，我已經轉移到tensorflow==2.0.0 。 我用tf.keras而不是keras替換了我的代碼。

但是現在提取的特征和之前提取的特征不一樣了。 ResNet 是一個獨立於 tensorflow/keras 甚至 pytorch 的模型。 它的功能是預定義的。 為什么會出現這種差異？ 是否有任何參數可以調整以獲得相同的功能？

編輯1 ：添加代碼

from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input
resnet_model = ResNet50(include_top=False)

Answer 1

模型本身不斷更新，並使用具有更好結果的權重。 這是發布文件夾，您可以在其中查看不同權重文件的發布。 鏈接的文件夾用於 keras，它很可能也被 tf.keras 使用。 您面臨的問題可能是因為庫的版本而不是調用模型的方法。

例如， 在這里您可以找到 keras_applications 代碼並檢查指向版本 v0.2 的權重路徑（鏈接是 keras，但對於 tensorflow.keras 也是如此）。

較舊的庫版本具有較舊的鏈接，更新庫也會更新路徑。