keras和tf.keras有什么区别？

Question

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

将代码转换为相当简单tf.keras吗？

我对代码的可移植性并不感兴趣，而不是两者之间的真正区别。

Answer 1

Keras 与 tf.keras 的历史漫长而曲折。

\n

Keras：Keras 是一个高级（易于使用）API，由 Google AI 开发人员/研究员 Francois Chollet 构建。用 Python 编写，能够在 TensorFlow、CNTK 或 Theano 等后端引擎上运行。

\n

TensorFlow：同样由 Google 为深度学习开发者社区开发的库，用于使深度学习应用程序可供公众访问和使用。开源并可在 GitHub 上获取。

\n

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

\n

后来，在 TensorFlow v1.10.0 中，Tensorflow 中首次引入了 tf.keras 子模块。将 Keras 集成到 TensorFlow 中的第一步

\n

随着 Keras 2.3.0 的发布，

\n

\n
• Keras 的第一个版本与 tf.keras 同步
\n
• 支持其他多后端引擎的最后一个主要版本
\n
• 最重要的是，今后，建议将代码从 keras 切换到 Tensorflow2.0 和 tf.keras 包。
\n

\n

请参阅Fran\xc3\xa7ois Chollet 的推文来使用 tf.keras。

\n

这意味着，\n到处都在改变

\n

从

\n

from keras.models import Sequential\nfrom keras.models import load_model\n

\n

到

\n

from tensorflow.keras.models import Sequential\nfrom tensorflow.keras.models import load_model\n

\n

在requirements.txt中，

\n

tensorflow==2.3.0\n

\n

*免责声明：如果您使用旧版本的 Keras，可能会产生冲突。pip uninstall keras在这种情况下做。

\n

Answer 2

tf.keras和keras之间的区别是该框架的Tensorflow特定增强。

keras是API规范，它描述了深度学习框架应如何实现与模型定义和培训相关的特定部分。与框架无关，并支持不同的后端（Theano，Tensorflow等）

tf.keras是Keras API规范的Tensorflow特定实现。它为该框架增加了对许多Tensorflow特定功能的支持，例如：对tf.data.Dataset作为输入对象的完美支持，对急切执行的支持，...

在Tensorflow 2.0 tf.keras中将是默认设置，我强烈建议您开始使用tf.keras

Answer 3

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，易用且易于学习，而``纯''tensorflow带有许多样板代码。是的，您可以使用tf.keras而没有任何问题，尽管您可能必须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