Keras后端（tensorflow）与Keras

Question

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

Answer 1

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。”