Native TF vs Keras TF性能比较

我使用本地和后端张量流创建了完全相同的网络，但是在使用多个不同参数进行了多个小时的测试后，仍然无法弄清为什么keras优于本地张量流并产生更好（略有改善）的结果。

Keras是否实现不同的权重初始化方法？或执行除tf.train.inverse_time_decay以外的其他权重衰减方法？

ps的分数差总是像

Keras with Tensorflow: ~0.9850 - 0.9885 - ~45 sec. avg. training time for 1 epoch
Tensorflow Native ~0.9780 - 0.9830 - ~23 sec.

我的环境是：

Python 3.5.2 -Anaconda / Windows 10
CUDA：8.0与cuDNN 5.1 Keras
1.2.1
Tensorflow 0.12.1
Nvidia Geforce GTX 860M

和keras.json文件：

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

您还可以复制并执行以下两个文件

https://github.com/emrahyigit/deep/blob/master/keras_cnn_mnist.py
https://github.com/emrahyigit/deep/blob/master/tf_cnn_mnist.py
https://github.com/emrahyigit/deep/blob/master/mnist.py

emrahyigit.. 5

问题是由于错误使用了dropout层的keep_prob参数，因为我应该在训练和测试过程中给此参数提供不同的值。

问题是由于错误使用了dropout层的keep_prob参数，因为我应该在训练和测试过程中给此参数提供不同的值。