【发布时间】：2019-03-02 04:48:27
【问题描述】：
将在 Python(3.5.5) + Keras（版本 2.0.8）中在 GPU 上训练的神经网络的输出与 Android 上相同神经网络的输出（API 24）进行比较时，我遇到了截然不同的预测结果) 使用 DL4J (1.0.0-beta2)。
如果有人能分享他们如何解决这个问题的经验，那将非常有帮助，谢谢！
将模型导入 Android
通过使用以下命令将神经网络转换为 DL4J 格式：
MultiLayerNetwork model = KerasModelImport.importKerasSequentialModelAndWeights(SIMPLE_MLP, false)
并使用 DL4Js ModelSerializer 存储它。
使用 DL4J 方法将模型导入 Android 应用程序restoreMultiLayerNetwork()
模型输出
神经网络旨在对具有固定输入形状的图像进行预测：固定高度、宽度、3 个通道。
Android 中的图像预处理管道：
图像作为输入流从设备加载并将其存储在 INDarray 中：
AndroidNativeImageLoader loader = new AndroidNativeImageLoader(100, 100, 3);
InputStream inputStream_bitmap = getContentResolver().openInputStream(uri);
INDArray indarray1 = loader.asMatrix(inputStream_bitmap);
AndroidNativeImageLoader() 加载并重新缩放图像。
INDarray 'indarray1' 被重新调整以包含 [0,1] 范围内的值：
indarray1 = indarray1.divi(255);
INDarray 通过网络传递以计算输出：
INDArray output = model.output(indarray1);
Python 中的图像预处理管道：
from keras.preprocessing import image
from keras.utils import np_utils
import numpy as np
img = image.load_img(img_path, target_size=(100, 100))
img = image.img_to_array(img)
img = np.expand_dims(img, axis=0)
img = img.astype('float32')/255
output = model.predict(img)
问题：
使用 Python 和 Keras 的预测与在 Android 中使用 DL4J 的预测有很大不同。输出是一个包含 2 个值的数组，每个值都是 [0,1] 中的浮点数。 相机拍摄的普通 .bmp 图片的预测差异最大为该输出数组的每个元素 0.99。
目前已完成的测试：
当使用单色 .bmp 图像（仅红色或仅蓝色或仅绿色或完全白色）时，两种环境的预测结果几乎相同。它们仅相差 10e-3，这可以通过在 GPU 上训练和在 CPU 上应用来解释。
结论： 到目前为止，我认为 Android 上的图像预处理与 Python 中的处理方式不同，因为单色图片的模型输出是相同的。
有人遇到过类似的问题吗？非常感谢任何帮助！
【问题讨论】：
-
您能否提出问题：github.com/deeplearning4j/deeplearning4j/issues 提供更多信息，我们可以看看差异？谢谢！
标签： android keras deeplearning4j dl4j