Keras和tf.keras之间的区别:应该改变旧的Keras代码吗？

Question

随着Keras成为tensorflow的API,有很多旧版本的Keras代码

例如:https://github.com/keiserlab/keras-neural-graph-fingerprint/blob/master/examples.py

from keras import models

使用当前版本的tensorflow,我们是否需要将每个keras代码更改为？

from tensorflow.keras import models

谢谢

Answer 1

你把事情搞混了：

• Keras ( https://keras.io/ ) 是一个独立于 TensorFlow 的库，它指定了用于构建和训练神经网络的高级 API，并且能够使用多个后端之一（其中 TensorFlow）进行低级训练张量计算。
• tf.keras( https://www.tensorflow.org/guide/keras ) 在 TensorFlow 中实现 Keras API 规范。此外，该tf.kerasAPI 经过优化，可以与其他 TensorFlow 模块良好配合：例如，您可以将tf.data数据集传递给模型.fit()的方法，或者使用. 目前，该API 是在 TensorFlow 中构建模型时需要寻找的高级 API，并且未来将继续与其他 TensorFlow 功能集成。tf.kerastf.kerastf.keras.estimator.model_to_estimatortf.keras

所以回答你的问题：不，你不需要将 Keras 代码转换为 tf.keras 代码。Keras 代码使用 Keras 库，甚至可能在与 TensorFlow 不同的后端上运行，并且将来仍将继续正常工作。更重要的是，不要在同一个脚本中混合 Keras 和tf.keras对象，因为这可能会产生不兼容性，正如您在这个问题中看到的那样。

更新：Keras 将被放弃，转而使用 tf.keras：https://twitter.com/fchollet/status/1174019423541157888