keras老版本：
keras新版本：
只需改成上图即可（_keras_shape改成shape，init改成kernel_initializer, border_model改成padding等), 特别需要注意data_format这个参数，新版本的keras中是把最后一个维度当做通道数的，比如【5, 256, 256, 32】，如果需要像pytorch一样，则需要改动为“channels_first".
参考链接：
【1】https://stackoverflow.com/questions/46965047/channels-first-with-keras
【2】https://stackoverflow.com/questions/66517434/keras-throwing-error-keyword-argument-not-understood-init-and-keyword
【3】https://github.com/Theano/Theano/issues/6765
【4】https://stackoverflow.com/questions/54614299/tensor-object-has-no-attribute-keras-shape
replaced merge with keras.layers.concatenate ：
但是又报新错：
将Concatenate改为小写字母开头的concatenate：
又报错了，原因根据提示可知是连接的两个tensor的shape不一致，一个是54,37，另一个是53,73， 造成这种现象的原因是：下采样过程中出现了奇数的宽度或者长度，比如（53,73), 对其下采样一倍的尺寸是（27，37）而不是(26, 36), 而（27，37）上采样一倍的尺寸是直接乘以2，也就是（54，74）了。
在解决这个问题上查找了很多资料，最先开始误以为UpSampling2D里面的size参数可以上采样到某个指定的尺寸，后来才发现这个size的含义是高度或者宽度按照size进行整数倍扩充（不允许浮点倍数扩充），默认的size=（2，2），interpolation=“nearest”，也就是说使用最近邻插值将size直接扩充整2倍数。
后面找到的方式是使用转置卷积(下面代码中的drop8.shape[1]是上采样过程中底下一层的通道数，转置卷积不改变这个通道数，只改变图片尺寸），这参考了使用keras编写的Unet：
up9 = Conv2DTranspose(drop8.shape[1], (2,2), strides=(2,2), padding='same', data_format="channels_first")(drop8) up9 = concatenate([up9, conv1], axis=1) `` 【1】[https://stackoverflow.com/questions/54561175/merging-in-keras-type-error-module-object-not-callable](https://stackoverflow.com/questions/54561175/merging-in-keras-type-error-module-object-not-callable) 【2】 [https://stackoverflow.com/questions/45584258/keras-concatenate-typeerror-init-got-multiple-values-for-argument-axis](https://stackoverflow.com/questions/45584258/keras-concatenate-typeerror-init-got-multiple-values-for-argument-axis) ## 3 Adam优化器的导入 将原本的from keras.optimizers import Adam替换为： ```python from tensorflow.keras.optimizers import Adam4 ('Keyword argument not understood: ', 'input ')
https://blog.csdn.net/weixin_43360896/article/details/112055269
fit_generator() got an unexpected keyword argument 'max_q_size ’
改动参数名称为：
model.fit_generator(train_generator, validation_data=val_generator, validation_steps=X_val.shape[0],
steps_per_epoch=X_train.shape[0], epochs=nb_epoch, verbose=2,
callbacks=[model_checkpoint, reduce_lr, tb], max_queue_size=1000)
参考：【1】https://stackoverflow.com/questions/64180817/typeerror-fit-generator-got-an-unexpected-keyword-argument-nb-val-samples
【2】https://stackoverflow.com/questions/63359321/type-error-fit-generator-got-an-unexpected-keyword-argument-samples-per-epoc
解决方案：
【1】https://www.codetd.com/article/36244
【2】https://stackoverflow.com/questions/60302081/keras-fit-generator-notimplementederror
【3】https://stackoverflow.com/questions/59380430/how-to-use-model-fit-which-supports-generators-after-fit-generator-deprecation/59381897#59381897
只支持输入的tensor的最后一个维度为通道
8 skimage.io中的版本问题:as_grey替换成as_grayhttps://stackoverflow.com/questions/58993530/typeerror-self-open-got-an-unexpected-keyword-argument-as-grey-python
9 本文问题来源在阅读代码
https://github.com/raghakot/ultrasound-nerve-segmentation
https://raghakot.github.io/2016/12/26/Ultrasound-nerve-segmentation-challenge-on-Kaggle.html
时，因为懒没有重新安装环境，keras为2.8.0版本，导致了很多运行问题。下次遇到keras的代码一律只看懂模型部分，其余的自己改写。
