我应该使用独立的Keras库还是tf.keras？

Question

随着Keras成为TensorFlow的API，许多旧版本的Keras代码变得过时，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，我们是否需要更改每个Keras代码？

from tensorflow.keras import models

- jason

---

根据文档，他们遵循Keras API规范，因此似乎没有必要更改代码。只需确保版本对齐，即pip install keras==<tf.keras.__version__>。但如果所涉及的代码使用了已弃用的API规范，则可能需要进行代码更新。 - a_guest

可能是什么是TensorFlow 1.1+中Keras和tf.keras之间的区别？的重复问题。 - thepurpleowl

Answer 1

你把事情搞混了：

- Keras（https://keras.io/）是一个独立于TensorFlow的库，它指定了一个用于构建和训练神经网络的高级API，并能够使用多个后端（其中包括TensorFlow）进行低级张量计算。 - tf.keras（https://www.tensorflow.org/guide/keras）在TensorFlow内部实现了Keras API规范。此外，tf.keras API被优化为与其他TensorFlow模块良好配合使用：例如，您可以将tf.data数据集传递给tf.keras模型的.fit()方法，或者使用tf.keras.estimator.model_to_estimator将tf.keras模型转换为TensorFlow估算器。目前，tf.keras API是在TensorFlow中构建模型时要查找的高级API，并且与其他TensorFlow功能的集成将在未来继续进行。

因此，回答你的问题：不需要将Keras代码转换为tf.keras代码。Keras代码使用Keras库，可能甚至在不同于TensorFlow的后端上运行，并且将在未来继续正常工作。更重要的是，不要在同一脚本中混合使用Keras和tf.keras对象，因为这可能会产生不兼容性，例如你可以参考这个问题。 更新：Keras将被弃用，而tf.keras将取而代之：https://twitter.com/fchollet/status/1174019423541157888。

- sdcbr