в чем разница между керасом и тф.керасом?

Question

Я учу тф и керас.

Я хотел бы попробовать https://www.amazon.com/Deep-Learning-Python-Francois-Chollet/dp/1617294438/, и кажется, что оно написано в керасе.

Было бы довольно просто преобразовать код в tf.keras?

Меня больше не интересует portability кода, а не истинная разница между ними.

Answer 1

Разница между tf.keras и keras заключается в специфическом улучшении Tensorflow для фреймворка.

keras - это спецификация API, которая описывает, как среда глубокого обучения должна реализовывать определенную часть, связанную с определением модели и обучением. Не зависит от фреймворка и поддерживает различные бэкэнды (Theano, Tensorflow, ...)

tf.keras является специфической реализацией спецификации Keras API для Tensorflow. Он добавляет в фреймворк поддержку многих специфических функций Tensorflow, таких как: совершенная поддержка tf.data.Dataset в качестве входных объектов, поддержка быстрого выполнения, ...

В Tensorflow 2.0 tf.keras будет использоваться по умолчанию, и я настоятельно рекомендую начать работать с tf.keras

Answer 2

На данный момент тензор потока в значительной степени полностью принял API keras, и для этого есть веская причина - он прост, легок в использовании и легок в изучении, тогда как «чистый» тензор потока поставляется с большим количеством стандартного кода.И да, вы можете использовать tf.keras без каких-либо проблем, хотя вам, возможно, придется заново обработать импорт в коде.Например,

from keras.layers.pooling import MaxPooling2D

Превратится в:

from tensorflow.keras.layers import MaxPooling2D