tensorflow高级api与低级api

Question

问题很简单。

在他/她自己的项目中，应该选择在tensorflow中使用低级别API还是高级API？

如果我只在我的神经网络实现中使用高级API:例如，我是否能够应用诸如退出、批处理规范化、学习衰变等解决方案？还是在这种情况下开始使用较低级别的API是不可避免的？

到目前为止，我的观点是，tensorflow社区在他们所做的几乎所有事情上都做得很出色，但不幸的是，我不能对他们的文档说同样的话。在实现API时，真正需要时间清楚地弄清楚他们是怎么想的。那么问题是，我和其他许多人是否真的值得花时间把事情做好？还是我们应该总是在高级API中寻找解决方案？

我也不清楚高级别API和低级别API之间的界限在哪里。

Answer 1

取决于您的项目目标、项目新奇和复杂性。

如果您的特定项目的目标是学习和探索tensorflow，那么我会说go for low level API，因为将来您可能需要实现您的东西，因为tensorflow的主要目的是研究。

否则，如果它的团队项目或一个严肃的项目，然后使用任何适合的需求，例如，如果现有的高层解决方案，如层等。不起作用，那你就会想要实现你自己的东西。

因此，如果您正在学习tensorflow并开始使用高级API，如果您已经有了一些经验，那么就开始探索低级别的tensorflow API，因为将来您很可能需要低级别的tensorflow API。