Ich bin etwas verwirrt, wenn ich für mein neues Forschungsprojekt zwischen Keras (keras-team / keras) und tf.keras (tensorflow / tensorflow / python / keras /) wähle.
Es gibt eine Debatte, in der Keras niemandem gehört, daher können die Leute gerne dazu beitragen, und es wird in Zukunft viel einfacher sein, das Projekt zu verwalten. Für den Fall, dass Sie nicht mehr weiterkommen möchten
Auf der anderen Seite, tf.keras ist im Besitz von Google, so strengen Prüfung und Wartung. Darüber hinaus scheint dies eine bessere Option zu sein, um die neuen Funktionen von Tensorflow v.2 zu nutzen.
Um ein Data Science-Projekt (maschinelles Lernen) (in der Forschungsphase) zu starten, sind beide am Anfang in Ordnung. Welches wählen Sie ?!
Antworten:
Aus Keras repo .:
Und
Keras ist also ein Skin (eine API). TensorFlow hat beschlossen, diese Haut in sich aufzunehmen
tf.keras
. Da Keras APIs bereitstellt, die TensorFlow bereits implementiert hat (es sei denn, CNTK und Theano übernehmen TensorFlow, was unwahrscheinlich ist),tf.keras
würde Keras hinsichtlich der API-Vielfalt mithalten. Daher würde ich vorschlagen, mit zu gehen,tf.keras
was Sie mit nur einem Repo von höherer Qualität beschäftigt. statt zwei, was weniger Kopfschmerzen bedeutet.tf.keras
.quelle
Dieser Tweet von François Chollet schlägt die Verwendung von tf.keras vor .
quelle