1.keras简介
- keras是基于python的高级API.
2.keras必须要以Tensorflow,CNTK或者Theano为后端才能运行,后端是可以切换的,现在多用tensorflow.
2.tensorflow-keras简介
1.Tensorflow对keras API更加规范
2.tensorflow-keras和tensorflow的结合更加紧密。
3.是实现在tf.keras空间下的。
3.tf.keras和keras的联系
- 基于同一套API,但是因为tf.keras中比keras多出了一点特殊的功能,所以可以轻松的将keras程序迁移到tf.keras中,但是tf.keras中的代码并不是全能移动到keras中运行。
- 规范是相同的,模型导出的格式也是相同的。
4.tf.keras和keras的区别
- tf.keras全面支持eager mode
只是用keras.Sequential和keras.Model时没影响,但是自定义Model内部运算逻辑的时候会有影响。
2.Tf.keras支持基于tf.data的模型训练。
3.Tf.keras支持TPU的训练
4.Tf.keras支持tf.distribution中的分布式策略
5.Tf.keras可以与Tensorflow中的estimator集成。
6.Tf.keras可以保存为SavedModel,方便将模型部署到不同的平台上。
5.二者之间的选择
一句话,不考虑后端互换(又想使tensorflow又想使Theano)那就选tf.keras,眼神坚定一点。