Keras模型（tensorflow后端）在python 3.5中训练得非常好，但在python 2.7中非常糟糕

Question

我尝试做什么 我正在尝试使用Keras和Tensorflow-GPU作为后端在Python 2.7中训练卷积神经网络（CNN）进行图像检测，因为我需要将它与ROS动力学一起使用，它只支持Python 2.7（而不是3.5）。我的模型是Sequential（代码见下）。

我在用什么 Pycharm-Community 2018.1.4 Keras 2.2.0 Tensorflow-GPU 1.8.0 60000输入图像，100x100像素（3个通道），3个类（“train_set”） 20000个评估图像，相同尺寸（“evaluation_set”）

什么有效 使用Python 3.5在我的train_set上训练模型并使用Python 3.5进行评估时，它的工作完全正常（train_accuracy：0.99874，evaluation_accuracy：0.9993）。

什么行不通 当使用Python 2.7在我的train_set上训练模型并使用Python 2.7进行评估时，我的准确率大幅下降（train_accuracy：0.695，evaluation_accuracy：0.543），这不过是猜测3个类（这将是0.3333）。 我还尝试在Python 3.5中训练模型并将其加载到Python 2.7中以进行评估和预测，但结果与以前一样糟糕。

在所有情况下，我使用完全相同的代码：

def build_model(training_input):
    model = Sequential()  
    model.add(Conv2D(32, (3, 3)) # Add some layers

    model.compile(optimizer='RMSprop', loss='categorical_crossentropy', metrics=['accuracy'])

def train():
    input_training = np.array(input_training_list)    # input_training_list is a list containing the imagedata
    labels_training = np.array(label_training_list)    # label_training_list is a list containing the labels corresponding to the imagedata
    model = create_model(input_training)
    history = model.fit(input_training, labels_training, epochs=10, shuffle=True, batch_size=20)
    model.save(model_directory + "my_model.h5")

def evaluation():
    input_evaluation = np.array(input_evaluation_list)
    labels_evaluation = np.array(label_evaluation_list)
    model = load_model(model_directory + "my_model.h5")
    loss, acc = model.evaluate(input_evaluation, labels_evaluation, batch_size=1)

我听说很多人在使用不同的计算机或不同版本的Python在不同的Sessions（）中加载相同的模型时遇到问题。但是在这两个Python版本中，相同的架构给出了完全不同的结果。

Answer 1

我找到了我的问题的解决方案（感谢user1735003关于我的数据的提示）。 由于Python 2.x和Python 3.x的不同，导致我的错误结果的原因是错误的数据实现。在实现我使用的图像数据时

for i in range(len(evaluation_files)):
    input_evaluation = np.divide(ndimage.imread(evaluation_files[i]), 255)

但问题是：在Python 3.x中这很好用，因为两个整数的除法会产生一个浮点数，但是在Python 2.x中结果也是一个整数，所以我的input_evalution列表只包含零。我需要除以255.0（使结果浮动）。

input_evaluation = np.divide(ndimage.imread(evaluation_files[i]), 255.0)

或者从division导入__future__以获得已经在python 2中的整数除法的浮点结果。

from __future__ import division

使用Python 2.x或Python 3.x时有一些市长差异，你可以很好地看到http://sebastianraschka.com/Articles/2014_python_2_3_key_diff.html。

我还在Python 3.5上管理我的模型训练，使用model.save('my_model')保存它并使用keras.models.load_model('my_model')在Python 2.7中加载它，它工作得非常好。

也可以使用model.save_weights('my_weights')轻松保存权重，在Python 2.7中创建相同体系结构的新模型（！）并使用model.load_weights('my_weights')将权重加载到该模型中，但是因为只需加​​载模型本身就可以非常精细地工作。