keras和tensorflow的关系

2017 年中，Keras 已经被大规模采用，并与 TensorFlow 集成在一起。这种 TensorFlow + Keras 的组合让你可以：

1、使用 Keras 的接口定义模型；
2、如果你需要特定的 TensorFlow 功能或者需要实现 Keras 不支持但 TensorFlow 支持的自定义功能，可以回到 TensorFlow。
简单地说，你可以将 TensorFlow 代码直接插入到 Keras 的模型或训练管道中！
我们将使用标准的 keras 模块以及 TensorFlow 的 tf.keras 模块实现一个卷积神经网络（CNN）。

我们将在一个样本数据集上训练 CNN，然后检查结果——你会发现，Keras 和 TensorFlow 可以很融洽地合作。
TensorFlow 宣布将 Keras 集成到官方 TensorFlow 版本中已经一年多时间了。可以通过 tf.keras 子模块访问 Keras。
更重要的是，Keras + TensorFlow 的集成是无缝的，你可以直接将 TensorFlow 代码放到 Keras 模型中。

在 TensorFlow 中使用 Keras 将为你带来两全其美的好处：
你可以使用 Keras 提供的简单直观的 API 来创建模型；
Keras API 与 scikit-learn（被认为是机器学习 API 的“黄金标准”）很像；
Keras API 采用了模块化，易于使用；
当你需要自定义实现或者更复杂的损失函数时，可以直接进入 TensorFlow，并让代码自动与 Keras 模型集成。