我有一个名为content_image的(1, 224, 224, 3)大小的numpy数组。这是VGG网络输入的大小。

当我按照下面的方式将content_image传输到VGG网络的输入时：

model = vgg19.VGG19(input_tensor=K.variable(content_image), weights='imagenet', include_top=False)for layer in model .layers:    if layer.name == 'block5_conv2':        model_output = layer.output

这似乎产生了范围在[0, 1]的输出：

[0.06421799 0.07012904 0.         ... 0.         0.05865938    0.        ]   [0.21104832 0.27097407 0.         ... 0.         0.    0.        ] ...

另一方面，当我根据keras文档（从VGG19的任意中间层提取特征）应用以下方法时：

from keras.models import Modelbase_model = vgg19.VGG19(weights='imagenet'), include_top=False) model = Model(inputs=base_model.input, outputs=base_model.get_layer('block5_conv2').output)model_output = model.predict(content_image)

这种方法似乎产生了不同的输出。

[ 82.64436     40.37433    142.94958    ...   0.     27.992153     0.        ]   [105.935936    91.84446      0.         ...   0.     86.96397      0.        ] ...

这两种方法使用了相同的网络和相同的权重，并且传输了相同的numpy数组（content_image）作为输入，但它们产生了不同的输出。我期望它们应该产生相同的结果。

回答：

我认为如果你在第一种方法中使用Keras隐式创建的会话，你会得到相同的结果：

sess = K.get_session()with sess.as_default():    output = model_output.eval()    print(output)

我认为通过创建一个新会话并使用init = tf.global_variables_initializer()和sess.run(init)，你会改变变量的值。一般来说，不要创建新会话，而是使用Keras创建的会话（除非你有充分的理由这样做）。