训练目标检测过程中遇到的不同keras版本导致训练和预测结果截然不同的问题

问题：最近在做目标检测项目，使用的是CenterNet网络进行训练，在自己的数据集上进行训练，首先数据集是完全一致的、然后代码也是一模一样的，但是在不同环境下得训练loss和预测结果完全不同

先说结论：修改了keras版本，问题解决

环境有4个：第一个是本机笔记本TensorFlow==1.15.0组合keras==2.2.4，第二个是本机笔记本TensorFlow-gpu==1.15.0和keras==2.2.4，第三个是公司台式机电脑TensorFlow-gpu==1.15.0和keras==2.2.4，第四个是公司服务器环境TensorFlow-gpu==1.7.0和keras==2.3.0

过程：先是在本机使用gpu版本进行训练自己的数据集，val_loss最终在4.几，效果完全无法预测，一直认为是自己的数据集有问题查了好久也没找到问题在哪，后来想着使用公司服务器训练试试，虽然使用cpu训练很慢，但是反正是nohup运行，挂着就是了，然后发现最终的val_loss下降到1.2左右，把模型下载下来，使用公司台式机预测一下，惊奇的发现效果居然还挺好的，检测错误很少，大部分能检测到，然后使用台式机电脑训练效果和服务器差不多，但是把模型拿到笔记本，无论是使用cpu还是gpu版本预测效果都是极差的，然后怀疑就是环境之间的差异导致的，但是一对比发现笔记本和公司台式机的tensorflow、keras的版本是一样的，然后整个人都是懵逼的，然后灵机一动把笔记本的keras版本改为和服务器一样的keras==2.3.0，然后效果恢复到和台式机和服务器效果差不多了。这个时候笔记本的TensorFlow-gpu==1.15.0，keras==2.3.0（TensorFlow-gpu==1.15.0，keras==2.3.0）和公司台式机和公司服务器的环境都不一样，但是神奇的是效果都好了。

总结：训练模型做预测的时候，效果一般、不太好可以理解，但是有时效果极差的时候，也要思考一下是不是版本控制的问题。

更新：有可能最近在安装别的库的时候有影响，导致训练又出现异常，卸载keras==2.3.0，然后重新安装之后恢复正常。