keras和tf.keras有什么不同？

Question

我正在学习TensorFlow和Keras。我想试试https://www.amazon.com/Deep-Learning-Python-Francois-Chollet/dp/1617294438/，它似乎是用Keras编写的。

将代码转换为tf.keras是否相当简单

我更感兴趣的不是代码的可移植性，而是两者之间的真正区别。

Answer 1

在这一点上，tensorflow几乎完全采用了keras API，并且有一个很好的理由-它简单，易于使用，易于学习，而“纯”tensorflow附带了许多样板代码。是的，您可以毫无问题地使用tf.keras，尽管您可能需要在代码中重新处理导入。例如

from keras.layers.pooling import MaxPooling2D

会变成：

from tensorflow.keras.layers import MaxPooling2D

Answer 2

tf.keras和keras之间的不同之处在于Tensorflow对框架的特定增强。

keras是一个应用程序接口规范，它描述了深度学习框架应该如何实现与模型定义和训练相关的某些部分。框架不可知，并支持不同的后端(Theano，Tensorflow，...)

tf.keras是Keras API规范的Tensorflow特定实现。它增加了框架对许多Tensorflow特定功能的支持，如:完美地支持tf.data.Dataset作为输入对象，支持急切执行，...

在TensorFlow2.0中，tf.keras将是默认的，我强烈建议开始使用tf.keras

Answer 3

Keras Vs tf.keras的历史是漫长而曲折的。

Google：是一个高级(易于使用)，由谷歌AI开发人员/研究员Francois Chollet构建。它是用Python语言编写的，能够在TensorFlow、CNTK或Theano等后端引擎上运行。

TensorFlow：也是由谷歌为深度学习开发人员社区开发的库，用于向公众提供可访问和使用的深度学习应用程序。开源，可在GitHub上使用。

随着Keras v1.1.0的发布，Tensorflow成为默认的后端引擎。这意味着:如果您在系统上安装了Keras，那么您也在安装TensorFlow。

后来，在Tensorflow v1.10.0中，第一次在TensorFlow中引入了tf.keras子模块。在TensorFlow中集成Keras的第一步

随着Keras 2.3.0的发布，

• 与tf.keras
• 同步的第一个packages.

版本支持其他多后端Keras的最后一个主要版本最重要的是，下一步，建议将代码从keras切换到Tensorflow2.0和tf.keras keras

参考François Chollet的this推文来使用tf.keras。

这意味着，改变无处不在

从…

from keras.models import Sequential
from keras.models import load_model

至

from tensorflow.keras.models import Sequential
from tensorflow.keras.models import load_model

在requirements.txt中，

tensorflow==2.3.0

*免责声明:如果您使用的是旧版本的Keras，可能会出现冲突。在这种情况下执行pip uninstall keras。