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: 0.9997Ubuntu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。
