TensorFlow - tf.layers vs tf.contrib.layers

Question

在TensorFlow中， tf.layers和tf.contrib.layers共享许多功能（标准2D卷积层，批量规范化层等）。 这两者之间的区别仅在于contrib.layers包仍然是实验性的，其中layers包被认为是稳定的吗？ 或者一个被另一个取代？ 其他差异？ 为什么这两个分开？

Answer 1

你已经回答了自己的问题。 tf.contrib命名空间的官方文​​档说明如下：

contrib模块包含volatile或实验代码。

所以tf.contrib保留用于实验性功能。 允许此命名空间中的API在不同版本之间快速更改，而其他API通常不能没有新的主要版本。 特别是， tf.contrib.layers中的函数与tf.contrib.layers中的函数tf.layers ，尽管其中一些函数可能使用不同的名称进行复制。

至于你是否应该使用它们，这取决于你是否愿意处理突然发生的变化。 不依赖于tf.contrib可能更容易迁移到TensorFlow的未来版本。