Это действительно конкретный случай, и здесь трудно дать определенный ответ (он может граничить с «слишком основанным на мнении»). Но в целом, я бы сказал,
- «Классический» интерфейс Keras (с использованием
compile, fit и т. Д.) Позволяет быстро и легко создавать, обучать и оценивать стандартные модели. Тем не менее, он очень высокоуровневый / абстрактный и, как таковой, не дает много контроля на низком уровне. Если вы реализуете модели с нетривиальным потоком управления, это может быть трудно приспособить.
GradientTape дает вам полный низкоуровневый контроль над всеми аспектами обучения / запуска вашей модели, позволяя упростить отладку, а также более сложные архитектуры и т. Д., Но вам нужно будет написать больше стандартного кода для многих вещей, которые * Модель 1009 * будет скрываться от вас (например, тренировочные петли). Тем не менее, если вы проводите исследования в области глубокого обучения, вы, вероятно, будете работать на этом уровне большую часть времени.