[英]Keras backend (tensorflow) vs Keras
我想自定义Keras损失函数,但我不太了解。
如果我使用tensorflow作为Keras的后端,我需要使用keras.backend
函数还是可以直接使用tensorflow中的函数?
我只看到人们使用keras.backend
功能而不是tensorflow中的帖子(即使tensorflow具有更多功能)。 有这样做的理由吗?
例如一个玩具:
from keras import backend as K
import tensorflow as tf
def loss_keras(y_true, y_pred):
square_error = K.square(y_pred - y_true)
loss = K.mean(square_error)
return loss
def loss_tf(y_true, y_pred):
square_error = tf.squared_difference(y_pred, y_true)
loss = tf.reduce_mean(square_error)
return loss
这两个函数都运行良好,但是一个函数直接使用了tensorflow,另一个函数使用了keras.backend
函数。
我知道这是一个愚蠢的例子,但是当您想做更复杂的事情时,我认为使用tensorflow比使用keras函数要容易,因为有更多可用的函数
如评论中所指出和在此答案中所述: “在以下情况下,必须使用Keras后端函数(即keras.backend。*):1)需要预处理或扩充传递给实际函数的参数Tensorflow或Theano后端或对返回的结果进行后处理,或2)您想编写一个可在所有Keras支持的后端上使用的模型。”
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.