中的"提取功能"，则不会预测/特征提取结果不同的结果。
KERAS应用程序已鉴定了具有保存权重的模型。这些权重独立于其训练的图像上的"预处理_input"的性质。现在，当我根据我的后端和模式提交一组图像以提取功能提取时，Imagenet_utils将预处理_input和所处理的iamge阵列将是像素> k.s>像素缩放在-1和1 >或>每个颜色频道之间相对于 ImageNet数据集零中心。如果我遵循https://keras.io/applications/???
否，权重与预处理预处理并不独立。如果您使用不同的预处理方法，则最终权重将不同。
正如您所说，如果您使用不同的预处理，那么功能将有所不同。您应该只使用用于培训网络的预处理。
这就是为什么每个网络的Python模块都包含一个可以导入进行预处理的preprocess_input方法。每种方法可能会根据网络的训练方式以及使用了哪种预处理来执行不同的操作。