小编ZeD*_*DuS的帖子

编辑：无法使用cuda 8.0和使用titan X（Pascal）重现此问题

将tensorflow后端用于keras我遇到了与image_dim_ordering相关的问题。当我在keras配置文件中使用image_dim_ordering ='th'时，一切都很好，但是当我使用'tf'时，从0.5的准确度来看，训练并不能真正提高多少。

这样做的动机是，目前我的实时增强功能非常昂贵，并且我希望将不需要的重塑从theano dim order Convention移到tensorflow。

我尝试用简单的代码重新创建问题，以允许其他人复制，这可能有助于我了解我在这里做错了什么。我非常了解频道，高度，宽度的不同约定，至少我认为可以解决这个问题。

虽然我没有在紧凑的示例中完全重现我的问题（也许是因为这是一项微不足道的任务），但训练结果反复不同，对于“ tf”情况甚至更糟，即使我尝试使用不同的种子值也是如此。注意-在此复制代码中，网络所需要做的就是将-1.0的完整补丁与1.0的完整补丁区分开

这是我的〜/ .keras / keras.json

{
    "floatx": "float32",
    "epsilon": 1e-07,
    "backend": "tensorflow",
    "image_dim_ordering": "th"  
}

我的tensorflow版本是``0.11.0rc0''（也发生在0,10上）我的keras是今天的最新git pull。

使用'th'进行image_dim_ordering时，对于三个不同的种子，在第4阶段获得的精度> = 0.99。使用'tf'进行暗淡排序，我得到的准确度最新达到> = 0.9，正如您在下面的日志中看到的那样，仅在第24个时间点

以下是应该重现该问题的独立代码：

from keras import backend as K
import keras.optimizers
from keras.layers import Convolution2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense, Input
from keras.models import Model
import numpy as np

def make_model(input_dim_size):
    if K.image_dim_ordering() == 'tf':
        input_shape = (input_dim_size, input_dim_size,1)
    else:
        input_shape = (1, input_dim_size, input_dim_size)
    img_input …