使用Keras模型在Android上进行分类

我有一个训练有素的神经网络（Alexnet）作为Keras模型，应该用于android分类应用。首先，我将模型转换为TensorFlow.pb文件：

class Model2Graph(object):
    @staticmethod
    def Convert(ModelPath, OutputPath = "output"):

        print("[INFO] Converting model '{}' into TensorFlow graph...".format(ModelPath))

        # Get the model name
        ModelName = os.path.splitext(ModelPath)[0].rsplit(os.path.sep, 1)[-1]

        # Load the model from file
        Model = load_model(filepath = ModelPath)

        Backend.set_learning_phase(0)
        Session = Backend.get_session()

        OutputCount = len(Model.outputs)
        Temp = [None] * OutputCount
        NodeNames = [None] * OutputCount
        for i in range(OutputCount):
            NodeNames[i] = "output_node" + str(i)
            Temp[i] = tf.identity(Model.outputs[i], name = NodeNames[i])

        constant_graph = graph_util.convert_variables_to_constants(Session, Session.graph.as_graph_def(), NodeNames)    
        graph_io.write_graph(constant_graph, OutputPath, ModelName + ".pb", as_text = False)

此图（带有Labels.txt文件）放在我的android应用程序的assets文件夹中。

现在，我将图像加载为JPG文件。我将其调整IrfanView为227x227图像的大小（网络的输入大小，忽略了宽高比），并使用我的应用加载了该图像（该图像称为1.jpg）。

该应用程序开始对此图像进行分类（此代码基于TensorFlow示例）：

public List<Float> Classify(Bitmap InputImage)
    {
        float[] Results = new float[_mClassLabels.size()];
        float[] Output = new float[_mWidth * _mHeight * 3];
        int[] intValues = new int[InputImage.getHeight() * InputImage.getWidth()];
        InputImage.getPixels(intValues, 0, InputImage.getWidth(), 0, 0, InputImage.getWidth(), InputImage.getHeight());

        for (int i = 0; i < intValues.length; ++i)
        {
            final int val = intValues[i];
            Output[i * 3] = ((val >> 16) & 0xFF) / 255.0f;
            Output[i * 3 + 1] = ((val >> 8) & 0xFF) / 255.0f;
            Output[i * 3 + 2] = (val & 0xFF) / 255.0f;
        }

        _mTensorFlowInterface.feed("conv2d_1_input", Output, 1L, _mWidth, _mHeight, 3);
        _mTensorFlowInterface.run(_mOutputName, false);
        _mTensorFlowInterface.fetch(_mOutputName[0], Results);

        // Convert the results into a list
        List<Float> Result = new ArrayList<Float>(Results.length);
        for(float f : Results)
        {
            Result.add(f);
        }

        return Result;
    }

我的Android应用程序为我提供了以下分类结果：

• 0.8430（猫）
• 0.1569（狗）

但是，当我使用Python应用程序和Keras模型时，却得到了不同的结果。Python应用程序给出以下结果：

• 0.2255（猫）
• 0.7744（狗）

现在，我想知道为什么同一个网络在两个应用程序中会产生不同的结果。这是怎么了？

我的Android / Java不太好，所以我不确定预测代码是否正确。将Keras模型转换.pb为TensorFlow的文件时也是如此。