tf.keras.backend 和 tensorflow 库中的冗余

Question

我已经在 TensorFlow 工作了大约一年，我正在从 TF 1.x 过渡到 TF 2.0，我正在寻找有关如何tf.keras.backend在 TF 2.0 中使用该库的一些指导。我知道过渡到 TF 2.0 应该消除建模和构建图的大量冗余，因为在早期的 TensorFlow 版本中有很多方法可以创建等效层（我非常感谢这种变化！），但我一直在理解何时使用tf.keras.backend，因为这些操作对于其他 TensorFlow 库来说似乎是多余的。

我发现其中的一些函数tf.keras.backend与其他 TensorFlow 库是多余的。例如，tf.keras.backend.abs和tf.math.abs不是别名（或者至少，它们没有在文档中列为别名），但都取张量的绝对值。查了一下源码，貌似tf.keras.backend.abs调用了tf.math.abs函数，所以我真的不明白为什么它们不是别名。其他tf.keras.backend操作在 TensorFlow 库中似乎没有重复，但看起来有 TensorFlow 函数可以做等效的事情。例如，只要您明确指定 dtype ，tf.keras.backend.cast_to_floatx就可以替换tf.dtypes.cast为。我想知道两件事：

1. 什么时候最好使用tf.keras.backend库而不是等效的 TensorFlow 函数？
2. tf.keras.backend我缺少的这些功能（和其他等效功能）有什么不同吗？

Answer 1

简短的回答：尽可能选择 TensorFlow 的本机 API，而不是tf.math.*API tf.keras.backend.*。

更长的答案：

• API主要tf.keras.backend.*可以被视为 API 的残余。后者是服务于原始（非 TF 特定）keras 的“可交换后端”设计的设计。这与keras的历史有关，keras支持多个后端库，tensorflow曾经只是其中之一。早在 2015 年和 2016 年，其他后端，例如 Theano 和 MXNet 也相当流行。但进入 2017 年和 2018 年，TensorFlow 成为 keras 用户的主要后端。最终 keras 成为了 TensorFlow API 的一部分（在 2.x 和后来的 1.x 的小版本中）。在旧的多后端世界中，API 在无数受支持的后端上提供了独立于后端的抽象。但在 tf.keras 世界中，后端 API 的价值要有限得多。keras.backend.*backend.*
• 中的各种功能tf.keras.backend.*可以分为几类：
  1. 等效或基本等效的张量流本机 API 的薄包装器。示例：tf.keras.backend.less、tf.keras.backend.sin
  2. Tensorflow 本机 API 的包装稍厚，包含更多功能。示例：tf.keras.backend.batch_normalization、tf.keras.backend.conv2d（https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/keras/backend.py#L4869）。它们经常执行处理并实现其他逻辑，这使您的生活比使用本机 Tensorflow API 更轻松。
  3. 原生 Tensorflow API 中没有等效函数的独特函数。示例：tf.keras.backend.rnn、tf.keras.backend.set_learning_phase

对于类别 1，使用本机 Tensorflow API。对于类别2和类别3，您可能想使用API tf.keras.backend.*​​，只要您可以在文档页面中找到它： https: //www.tensorflow.org/api_docs/python/，因为文档中的具有向后兼容性保证，这样您就不必担心未来版本的 TensorFlow 会删除它或更改其行为。