在tensorflow中使用keras作为高层接口

最近从keras转战tensorflow，原先的代码又不想重写，幸好keras代码可以在tensorflow中使用。详情请参考将Keras作为tensorflow的精简接口。
简单应用的话，就是把keras当作tf.layers里面的层来用，placeholder等价于Keras.Input，然后基本和keras里面使用model模块的时候构建方式相同。最后的model也可以使用的，但是我就是想要这部分灵活一些，所以也没有研究，就直接用了tensorflow里面的包装。有两个需要注意的地方：

1 keras里面有一个learning_phase()需要在sess.run的时候feed进去，这个量主要用于区分是训练(1)还是测试(0)（比如dropout在两种状态下行为不同）。

from keras import backend as K
K.learning_phase()

2 keras层的输入输出都是tensorflow里面的Tensor，而不是Keras的Tensor了。所以可以直接使用tensorflow里面的任意函数对该Tensor进行操作。(完美的无缝链接）

---

tensorflow里面直接对keras做了包装，具体没有实验过，详情请参考Module: tf.contrib.keras。