我想用我的Linux电脑来训练模型。我直接在Windows上加载了预训练模型，但损失值变高了，准确率也下降了。

这是我的训练模型

def create_model(self):    print("CREATE NEW MODEL")    input_img = Input(shape=(nb_features,))    selection = Dense(64, activation='relu')(input_img)    selection = Dropout(0.20)(selection)    selection = Dense(32, activation='relu')(selection)    selection_out1 = Dropout(0.20)(selection)    selection_out2 = Dense(nb_class)(selection_out1)    selection_out3 = Activation("softmax")(selection_out2)    self.model_1 = Model(input=input_img, output=selection_out1)    self.model_2 = Model(input=input_img, output=selection_out2)    # construct the selection model     self.model_3 = Model(input=input_img, output=selection_out3)    # compile autoencoder    self.model_3.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])def save_model(self, num=0):    if num == -1:        self.model_1.save("./model/model_1_")        self.model_2.save("./model/model_2_")        self.model_3.save("./model/model_3_")    else:        self.model_1.save("./model/model_1_" + str(num))        self.model_2.save("./model/model_2_" + str(num))        self.model_3.save("./model/model_3_" + str(num))

这是我的输出

UbuntuEpoch 193/2006375/6375 [==============================] - 0s 14us/step - loss: 0.0188 - acc: 0.9936Epoch 194/2006375/6375 [==============================] - 0s 14us/step - loss: 0.0151 - acc: 0.9956WindowsEpoch 193/2006375/6375 [==============================] - 0s 17us/step - loss: 0.0043 - acc: 0.9995Epoch 194/2006375/6375 [==============================] - 0s 17us/step - loss: 0.0019 - acc: 0.9997

Ubuntu似乎总有一些未消除的错误。

回答：

首先，你在两个系统上的tensorflow、keras或numpy版本可能存在差异。如果这些版本不一致，问题很可能是因为版本之间实现上的微小差异，而不是Ubuntu和Windows之间的差异。

假设你的版本是相同的：

即使你的模型架构相同，也不意味着它会得到相同的结果。

在任何训练开始之前，每一层都需要初始化一些权重来开始。通常，默认的初始化函数是glorot_uniform，它从某个范围内的均匀分布中随机抽取样本。

此外，Dropout层会在训练期间随机关闭一些神经元，这也会增加模型在不同训练会话中的表现差异。

你看到的差异不是Ubuntu与Windows之间的差异，而是不同的初始权重和Dropout在训练期间关闭不同的神经元所导致的。