TensorFlow 2.0 及以上版本集成了 Keras 作为其官方高级深度学习 API 的一部分。在 TensorFlow 2.0 及以后的版本中,你可以使用 tf.keras
模块直接访问 Keras API。
tf.keras
是 TensorFlow 的 Keras 实现,它提供了与标准 Keras API 几乎相同的接口,并且通过 TensorFlow 张量(tf.Tensor
)实现了更好的集成。因此,对于大多数用户来说,tf.keras
可以直接满足深度学习任务的需求。
在 TensorFlow 2.0 及以上版本中,你可以使用以下方式导入 tf.keras
:
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Conv2D, MaxPooling2D, Flatten
# 创建一个简单的Sequential模型
model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))
model.add(MaxPooling2D((2, 2)))
model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))
这里,tf.keras.models
和 tf.keras.layers
提供了模型的构建和层的定义等功能,与标准的 Keras 完全兼容。
请注意,尽管 tf.keras
和独立安装的 keras
有很大的相似性,但由于 TensorFlow 的一些特性,特别是在 Eager Execution 模式下,tf.keras
可能会表现得更为灵活和强大。