ケラスとテンソルフローは同じウェイトであるがテストの精度は異なる

Question

私はTensorflowモデルを訓練し、同等のケラスモデルを構築し、学習したウェイトをロードしました。 しかし、私はKeras（例えば、98％と比較してTensorflowで98.5％）で異なる検査精度を得ています。 私はtensorflowで、このように精度を定義している：この矛盾はどこから来るのか、私は混乱しています

model.compile(optimizer=tf.train.AdamOptimizer(), loss='categorical_crossentropy', metrics=['accuracy']) 

accuracy = model.evaluate(x=test_images, y=test_labels, batch_size=BATCH_SIZE)

：

Kerasで

accuracy = tf.cast(tf.equal(tf.argmax(input_labels, 1), tf.argmax(output, 1)), tf.float32) 

私は、その標準的なメトリックを使用していました。

編集：私は答えと確信しなかったので、私はこの不一致の原因となったバグを発見し、それを固定した後、両方のフレームワークは、今と同じ結果を生成するまで、私はより多くのコードに数日を過ごした 予想と同じ重量。 Stackoverflowは私が質問を削除することを許可していないので、私は他の読者の混乱を防ぐためにこの編集を書いています。

Answer 1

これは私の実装でのバグでした（私は誤ってTensorflowでいくつかの最適化反復を適用していました）。同じ重さのセットでは、KerasとTensorflowの両方で同じ結果が得られます。

Answer 2

考えられる原因の1つは、モデルのドロップアウトレイヤです。

the source codeによれば、内部ランダムロジックはtf.random_uniformによって実装され、sess.run()の各呼び出しでランダムに新しい値を生成します。