在版本1.4和2.0中，tf.keras模型构建存在一些差异。以下是一些可能导致奇怪差异的示例和解决方法：

1. 不同的导入方式： 在TensorFlow 1.4中，您可能会使用以下方式导入tf.keras：

import tensorflow as tf
from tensorflow.python.keras import models

而在TensorFlow 2.0中，建议使用以下方式导入：

import tensorflow as tf
from tensorflow import keras

解决方法：在TensorFlow 2.0中，使用新的导入方式来导入tf.keras。

2. 不同的默认参数： 在版本1.4和2.0中，某些模型构建函数（如Sequential）的默认参数可能会有所不同。例如，在版本2.0中，默认的dtype参数为float32，而在版本1.4中，默认为floatx。 解决方法：在构建模型时，确保根据需要显式设置所有参数，以避免默认参数的差异。

3. 不同的层函数参数： 某些层函数的参数可能在版本1.4和2.0中有所不同。例如，在版本1.4中，您可以指定输入张量的input_shape参数，而在版本2.0中，您可以在第一层之前使用input_layer来指定输入形状。 解决方法：根据所使用的版本，适当地使用层函数参数来指定输入形状。

下面是一个示例，演示了如何在版本1.4和2.0中使用tf.keras构建模型：

import tensorflow as tf
from tensorflow import keras

# 构建模型（版本1.4）
model_1_4 = keras.models.Sequential([
    keras.layers.Dense(64, activation='relu', input_shape=(32,)),
    keras.layers.Dense(10, activation='softmax')
])

# 构建模型（版本2.0）
model_2_0 = keras.Sequential([
    keras.layers.Dense(64, activation='relu', input_shape=(32,)),
    keras.layers.Dense(10, activation='softmax')
])

# 打印模型摘要（版本1.4）
model_1_4.summary()

# 打印模型摘要（版本2.0）
model_2_0.summary()

通过注意上述差异并相应地调整代码，您应该能够在版本1.4和2.0中正确地构建和使用tf.keras模型。