Python Keras中的Theano与tensorflow后端

我有一个使用“theano”后端训练的分类器模型。该模型工作正常，我得到了预期的分类性能。tensor大小是

Nx3x28x112

，但是，我想在另一个文件（main_file.py）中使用相同的分类器，该文件包含一个GANs实现（带有“tensorflow”后端）。因此，我希望在main_file.py中使用相同的Classifier，并更改tensor的输入大小，使其成为

Nx28x112x3

（这是tensorflow后端的正确输入）。当训练程序开始时，表现并不接近我用“theano”得到的表现，而是接近随机表现。我的模型看起来像：

def createModel():

   model = Sequential()
   # The first two layers with 32 filters of window size 3x3
   model.add(Conv2D(28, (3, 3), padding='same', activation='relu', input_shape=(28, 112, 3))) 
   # or input_shape = (3, 28, 112) in case of theano backend
   model.add(Conv2D(28, (3, 3), activation='relu'))
   model.add(MaxPooling2D(pool_size=(2, 2)))
   model.add(Dropout(0.25))
   model.add(Conv2D(64, (3, 3), padding='same', activation='relu'))
   model.add(Conv2D(64, (3, 3), activation='relu'))
   model.add(MaxPooling2D(pool_size=(2, 2)))
   model.add(Dropout(0.25))
   model.add(Conv2D(64, (3, 3), padding='same', activation='relu'))
   model.add(Conv2D(64, (3, 3), activation='relu'))
   model.add(MaxPooling2D(pool_size=(2, 2)))
   model.add(Dropout(0.25))
   model.add(Flatten())
   model.add(Dense(512, activation='relu'))
   model.add(Dropout(0.5))
   model.add(Dense(256, activation='relu'))
   model.add(Dropout(0.5))
   model.add(Dense(128, activation='relu'))
   model.add(Dropout(0.5))
   model.add(Dense(64, activation='relu'))
   model.add(Dropout(0.5))
   model.add(Dense(nClasses, activation='softmax'))

   return model

---

我应该怎么做才能使模型正常运行？除了输入张量的顺序外，后端发生变化时是否有任何根本性的区别？

您所说的是刚开始训练时，还是在经过训练的模型上？另外，如何指定后端？Keras默认有

图像数据格式“：“channels\u last”

和

data\u format='channels\u last'

也是say

Conv2d

和

Maxpool

层的默认参数。请确保您的后端格式正确。我正在文件开头定义后端。我的生成器和鉴别器是为tensorflow定义的，我想对分类器模型也这样做。但是，我不知道如何正确定义这种情况下的模型。输入数据按上一个顺序重新格式化。@Anakin你说的格式是什么意思？我指的是数据格式。如果您的后端设置为TF，并且输入数据形状和您的一样好，那么它应该可以工作。默认情况下，所有其他内容都设置为TF格式，除非您更改它们。