在比较使用 Python（3.5.5）+ Keras（版本 2.0.8）在 GPU 上训练的神经网络的输出与使用 DL4J 在 Android（API 24）上的相同神经网络的输出时，我遇到了截然不同的预测结果（1.0.0-beta2）。
这将非常有帮助，如果有人可以分享他们如何解决这个问题的经验，谢谢！
将模型导入 Android
通过使用以下命令导入神经网络，将其转换为 DL4J 格式：
MultiLayerNetwork model = KerasModelImport.importKerasSequentialModelAndWeights(SIMPLE_MLP, false)
并使用 DL4Js ModelSerializer存储它。
使用 DL4J 方法restoreMultiLayerNetwork()将模型导入 Android 应用程序
模型输出
神经网络旨在对具有固定输入形状的图像进行预测：固定高度、宽度、3 个通道。
Android中的图像预处理管道：
图像作为输入流从设备加载并将其存储在 INDarray 中：
AndroidNativeImageLoader loader = new AndroidNativeImageLoader(100, 100, 3);
InputStream inputStream_bitmap = getContentResolver().openInputStream(uri);
INDArray indarray1 = loader.asMatrix(inputStream_bitmap);
AndroidNativeImageLoader()加载并重新缩放图像。
INDarray 'indarray1' 被重新缩放以包含范围 [0,1] 中的值：
indarray1 = indarray1.divi(255);
INDarray 通过网络传递以计算输出：
INDArray output = model.output(indarray1);
Python中的图像预处理管道：
from keras.preprocessing import image
from keras.utils import np_utils
import numpy as np
img = image.load_img(img_path, target_size=(100, 100))
img = image.img_to_array(img)
img = np.expand_dims(img, axis=0)
img = img.astype('float32')/255
output = model.predict(img)
问题：
使用 Python 和 Keras 的预测与 Android 中使用 DL4J 的预测有很大不同。输出是一个包含 2 个值的数组，每个值都是 [0,1] 中的浮点数。相机拍摄的普通 .bmp 图片的预测差异高达该输出数组的每个元素 0.99。
到目前为止完成的测试：
当使用单色 .bmp 图像（仅红色或仅蓝色或仅绿色或完全白色）时，两种环境的预测结果几乎相同。它们仅相差 10e-3，这可以通过在 GPU 上训练和在 CPU 上应用来解释。
结论： 到目前为止，我认为 Android 上的图像预处理与 Python 中的图像预处理方式不同，因为单色图片的模型输出是相同的。
有人遇到过类似的问题吗？任何帮助深表感谢！