TensorFlow 1.1+中Keras和tf.keras有什么区别？

Question

TensorFlow 1.1+中Keras和tf.keras有什么区别？

tensorflowkeras

37

现在，TensorFlow 1.1已经支持使用tf.contrib.keras接口的Keras了。如果我打算使用TF后端和Keras，应该使用哪一个？

tf.contrib.keras版本与常规Keras发布版有何不同？（是否涉及到内部数据结构的TF特定优化）如果我使用其中之一，是否能从同时使用Keras和TensorFlow Core中受益？

还是说，tf.contrib.keras只是将Keras的相同代码库复制到不同的命名空间下吗？

- Jakub Arnold

4个回答

12

Keras最好理解为API规范，而不是特定的代码库。实际上，未来将会有两个分别实现Keras规范的版本：内部的TensorFlow版本，可作为tf.keras使用，纯粹由TensorFlow编写，并与所有TensorFlow功能深度兼容；以及外部的多后端版本，支持Theano和TensorFlow（未来可能还会支持更多后端）。{{}}

https://blog.keras.io/introducing-keras-2.html

- Reza Roboubi

1

最近François Chollet推文建议使用tf.keras。

我们建议您将Keras代码切换到tf.keras。

Theano和CNTK已经停止开发。与此同时，作为Keras后端，它们仅占Keras使用量的不到4％。其他96％的用户（其中超过一半已经在tf.keras上）更适合使用tf.keras。

Keras的开发重点将放在tf.keras上。

重要的是，我们将寻求在keras-team / keras中启动tf.keras的独立GitHub存储库，以使第三方人员更轻松地进行贡献。

- Krishna

-4

如果有两个Github存储库，您将如何同步拉取请求到tf.keras和此存储库？是否会有人将一个存储库中的更改应用于另一个存储库？

由于代码库不同，因此无需复制拉取请求。对于API更改，您将向API规范本身发送PR，并且对API规范的更改将在所有代码库中复制。

https://github.com/fchollet/keras/issues/5299#issuecomment-278166426

- dahoiv

5

不过那并没有真正回答这个问题。如果我想使用TF后端，具体来说我应该导入tf.contrib.keras还是import keras？ - Olivier Lalonde

2

仍然感到困惑。如果API同步，这是否意味着这两个库对最终用户来说是相同的？ - hsc

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- P-Gn · Accepted Answer

tf.keras（以前称为tf.contrib.keras）是一个使用/专门针对tensorflow实现的keras 2。它托管在tensorflow代码库上，并且与官方代码库有不同的代码库（最后一次提交在tf-keras分支中追溯到2017年5月）。

通常，如果您的代码使用任何特定于tensorflow的代码，则可以使用tf.keras更简单，例如提供输入的tf.data.*或在tensorboard中进行可视化的tf.summary.*。（有些人甚至建议不要使用带有TF的参考Keras实现，因为它偶尔会出现与此工具包的问题）。

另一方面，如果您计划积极维护一个框架无关的代码，则只能使用keras自己的软件包。

如果您不太关心框架无关性但不使用特定于tensorflow的代码，则我可能会建议您选择tf.keras并开始使用特定于tensorflow的代码，尤其是tf.data，在我看来这是一个改变游戏规则的东西。

编辑

我参加了Chollet关于TF2的演讲（无法在网上找到录音），他基本上说，除了TF之外的框架支持最终将停止，并且Keras的未来发展将仅在tf.keras中进行。

从我所看到的情况来看，Keras的提交流正在逐渐减少，这已经在发生了。

这很有道理，因为目前唯一受欢迎的深度学习框架是pytorch，而pytorch不支持Keras。让Keras代码“不关注”Tensorflow——它唯一支持的主要框架——变得越来越没有意义。

因此，今天我的答案是默认使用tf.keras，并将Keras保留给那些难以迁移的遗留项目——这是Keras的未来选择。