Tensorflow 如何从Keras 1和Keras 2获得与Conv1D相同的结果

我在CPU上运行了相同的代码（使用相同的数据），首先使用keras 1.2.0，然后在keras与TensorFlow后端的两个代码中使用keras 2.0.3。 问题来自Conv1D，许多参数都会更改，我想从keras 1.2.0复制相同的Conv1D。因为我对keras 2没有相同的结果

这是我在Keras 1上的代码：

def core\u model\u CNN（序列输入
，序列长度
，词汇量
，n_out
，嵌入
，嵌入矩阵
，过滤器大小=[1,2,3]
，num_filters=100
，下降=0.1）：
嵌入=嵌入（输入尺寸=词汇表尺寸，输出尺寸=嵌入尺寸
，输入长度=序列长度，权重=[嵌入矩阵]，可训练=假）
嵌入的\u序列=嵌入（序列\u输入）
过滤器大小=过滤器大小
convs=[]
对于过滤器尺寸中的fsz：
conv=Conv1D（nb_过滤器=32，
过滤器长度=fsz，
border_mode='valid'，
激活='relu'，
子样本_长度=1）（嵌入_序列）
pool=maxpoolg1d（pool_length=sequence_length-fsz+1）（conv）
flattemax=flatte（）（池）
convs.append（最大值）
l_merge=concatenate（convs，axis=1）
#展平=展平（）（l\U合并）
dense1=密集（300，激活='swish'）（l_合并）
dense1=BatchNormalization（）（dense1）
dense1=稠密（250，激活='swish'）（dense1）
dense1=BatchNormalization（）（dense1）
dense1=稠密（200，激活='swish'）（dense1）
dense1=BatchNormalization（）（dense1）
dense1=稠密（150，活化='swish'）（dense1）
dense1=BatchNormalization（）（dense1）
dense1=稠密（100，激活='swish'）（dense1）
dense1=BatchNormalization（）（dense1）
输出=密集（单位=n\u out，激活=softmax'，内核正则化器=regularizers.l2（2），（密度1）
返回输出

在Keras 2上它变成了

conv=tf.keras.layers.Conv1D（filters=params['nb_filter']，
内核大小=fsz，
padding='valid'，
激活='relu'，
偏差\u初始值设定项='零'，
步幅=1）（嵌入的_序列）
池=tf.keras.layers.MaxPoolg1d（池大小=序列长度-fsz+1）（conv）

---

我在这之后做了修改，但结果不一样。

您好。请提供更多详细信息和MWE（）。嗨，我更新我的问题