TensorFlow - tf.layers对tf.contrib.layers

Question

在TensorFlow中，tf.layers和tf.contrib.layers共享了许多功能(标准的2D卷积层、批处理规范化层等)。这两者之间的区别只是因为contrib.layers包仍然是实验性的，layers包被认为是稳定的吗？还是一个被另一个取代了？其他的不同？为什么这两个是分开的？

Answer 1

你已经回答了自己的问题。tf.contrib命名空间的正式文档描述如下：

包含易失性或实验代码的控制模块。

因此，tf.contrib被保留用于实验特性。允许该命名空间中的API在不同版本之间快速变化，而其他版本通常不能没有新的主版本。特别是，tf.contrib.layers中的函数与在tf.layers中发现的函数不完全相同，尽管其中一些函数可能以不同的名称被复制。

至于你是否应该使用它们，这取决于你是否愿意处理突然发生的变化。不依赖tf.contrib的代码可能更容易迁移到TensorFlow的未来版本。