本文共 1148 字，大约阅读时间需要 3 分钟。

一，Keras和TensorFlow的历史纠葛

• Keras 最初是由 Google AI 开发人员/研究人员 Francois Chollet 创建，并于 2015 年 3 月 27 日将 Keras 的第一个版本 commit 并 release 到他的 GitHub。
• TensorFlow 从 Keras v1.1.0 发行版开始成为 Keras 的默认后端（在 v1.1.0 之前，Keras 的默认后端都是 Theano）。
• tf.keras 在 TensorFlow v1.10.0 中被引入TensorFlow中。
• 谷歌在 2019 年 6 月发布 TensorFlow 2.0，并宣布 Keras 现在是 TensorFlow 的官方高级 API。随后 Keras 2.3.0 的发布，Francois 声明：
  • 这是 Keras v2.3.0 是首个与 tf.keras 同步的版本；
  • 这也将是最后一个支持除 TensorFlow 以外的后端（即 Theano，CNTK 等）的最终版本。
  • 最重要的是，所有深度学习从业人员都应将其代码转换成 TensorFlow 2.0 和 tf.keras 软件包。原始的 keras 软件包仍会接收 bug 并修复。

二，keras和tf.keras简介

1，keras简介

• 基于python的高级神经网络API
• Francois Chollet于2014-2015年编写Keras
• 以Tensorflow、CNTK或者Theano为后端运行，keras必须有后端才可以运行
  • 后端可以切换，现在多用tensorflow
• 极方便于快速实验，帮助用户以最少的时间验证自己的想法

2，tf.keras简介

• Tensorflow对keras API规范的实现
• 相对于以tensorflow为后端的keras，Tensorflow-keras与Tensorflow结合更加紧密
• 实现在tf.keras空间下

三，keras和tf.keras的区别

• Tf.keras全面支持eager mode
  • 只是用keras.Sequential和keras.Model时没有影响
  • 自定义Model内部运算逻辑的时候会有影响
    • Tf低层API可以使用keras的model.fit等抽象
    • 适用于研究人员
• Tf.keras 支持基于tf.data的模型训练
• Tf.keras 支持TPU训练
• Tf.keras 支持tf.distribution的分布式策略

四，keras和tf.keras的联系

• 基于同一套API
  • keras程序可以通过改导入方式轻松转为tf.keras程序
  • 反之可能不成立，因为tf.keras有其他特性
• 相同的JSON和HDF5模型序列化格式和语义

转载地址：http://opili.baihongyu.com/