matlab keras,将一个CNN模型从Matlab（Matconvnet）导入Python（Keras）

我在用Matconvnet上的Matconvnet对CNN进行二进制分类。现在，我正试图通过Python上的Keras实现它。网络一点也不复杂，我在Matconvnet上实现了96%的准确率。然而，对于Keras，即使我尽力确保每一个设置都与以前完全相同，我也无法得到相同的结果。或者更糟的是，这个模型根本不起作用。在

这里有一些关于设置的细节。任何想法或帮助都是感激的！在输入

图像大小为20*20。培训规模为400，测试规模为100，验证规模为132。在Matconvnet:20*20*sample_-size方法存储的图像

Keras：图像存储在sample_size*20*20*1方法中

CNN结构

(3*3)*3转换-(2*2)最大池-完全连接-softmax-loglossMatconvnet：使用卷积层而不是完全连接层。代码如下：function net = initializeCNNA()

f=1/100 ;

net.layers = {} ;

net.layers{end+1} = struct('type', 'conv', ...

'weights', {{f*randn(3,3,1,3, 'single'), zeros(1, 3, 'single')}}, ...

'stride', 1, ...

'pad', 0) ;

net.layers{end+1} = struct('type', 'pool', ...

'method', 'max', ...

'pool', [2 2], ...

'stride', 2, ...

'pad', 0) ;

net.layers{end+1} = struct('type', 'conv', ...

'weights', {{f*randn(9,9,3,2, 'single'), zeros(1,2,'single')}}, ...

'stride', 1, ...

'pad', 0) ;

net.layers{end+1} = struct('type', 'softmaxloss') ;

net = vl_simplenn_tidy(net) ;

Keras:

^{pr2}$

损失函数Matconvnet:softmaxloss

Keras:binary_crossentropy

优化器Matconvnet：新加坡元trainOpts.batchSize = 50;

trainOpts.numEpochs = 20 ;

trainOpts.learningRate = 0.001 ;

trainOpts.weightDecay = 0.0005 ;

trainOpts.momentum = 0.9 ;

Keras：新加坡元sgd = optimizers.SGD(lr=0.001, momentum=0.9, decay=0.0005)

model.compile(loss='binary_crossentropy',

optimizer=sgd,

metrics=['accuracy'])

初始化：过滤器：N(0,0.1)，偏差：0

标准化：当输入图像的平均值为0且标准偏差为1时，除标准化外，无批次标准化。在

以上是我回顾的方面，以确保我做了正确的复制。但我不明白为什么它在Keras上不起作用。以下是一些猜测：Matconvnet使用卷积层而不是完全连接层，这可能意味着一些更新参数的奇特方法。在

它们使用不同的算法来应用参数具有不同含义的SGD。在

我也做了其他尝试：将Keras中的优化器更改为Adadelta()。没有改善。在

改变网络结构，使之更深层次。它起作用了！在

但是仍然想知道Matconvnet为什么能用一个简单得多的方法来实现这个好结果。