和Keras

Question

我一直在寻找什么是Tensorflow和Keras。他们说Tensorflow运行在KERAS之上，这意味着Tensorflow是Keras的“后端”。(虽然你可以使用其他如Theano和CNTK)

这里的“后端”术语是否意味着它在一个深度学习模型背后做了整个数学过程的事情？我的意思是，Tensorflow是一个做复杂事情的人，比如处理矩阵(张量)，做所有的数学工作？

另一方面，KERAS是我们创建模型所需要的人，对吗？一旦模型被创建，它的“后端”就是Tensorflow，对吗？因为模型要像IT一样工作(就像过程矩阵和做所有的数学工作一样)，它需要一个“后端”，即Tensorflow。

这就是我基于一些公开论坛和Keras 文档所理解的。

Keras是一个模型级库，为开发深度学习模型提供了高级别的构建块.它不处理自己的低级操作，如张量积、卷积等.相反，它依赖于一个专门的、优化良好的张量操作库来做到这一点，充当Keras的“后端引擎”。

我的理解正确吗？如果你有其他的答案，请指点我。

Answer 1

在TensorFlow (1.8)的更大版本和所有较晚的+最新版本的TensorFlow中，Keras都集成在TensorFlow中。

使用Keras的推荐方法是在TensorFlow中使用它，实际上，如果您导入一个层，您应该像from tensorflow.keras import X, Y一样使用它。

Keras确实是一个支持多个后端框架的高级API，例如Theano(顺便说一下，它已经过时了)或MXNET等等。

由于Keras更易于使用，而且许多人选择了Keras，尽管TensorFlow的学习曲线与Keras相比非常差，所以TensorFlow决定将Keras集成到他们的框架中。

实际上，在此期间，Keras的创建者成为了谷歌开发团队的一部分，因此在TensorFlow中集成了Keras。

如果您只是在深入学习，会确保您在TensorFlow中使用Keras。它更健壮，不太容易出错。除此之外，Keras将进入维护模式(从2.3.X开始)，不再发布主要版本，只发布维护。

Answer 2

当我们说Tensorflow是Keras的后端时，我们的意思是Keras不自己计算。Keras只提供使用更复杂的Tensorflow代码的易于使用的函数。但在大多数情况下，它已经足够了。如果不是，您可以在Keras代码中添加Tensorflow代码，因为它们都在后台使用相同的Tensorflow对象。

Keras现在是Tensorflow高级API的官方版本，它是Tensorflow的一部分。