在使用 tf.keras 时，我们是否需要分别检查 'tensorflow' 和 'keras'，它们是否在 GPU 上运行？

Question

我在用

TensorFlow 2.0

在遵循从 Tensorflow 1.14 到 Tensorflow 2.0 的迁移指南之后，我从tensorflow.keras而不是仅仅从keras导入了所有模块。 但是以下命令给出了属性错误 -

from tensorflow.keras import backend as K
K.tensorflow_backend._get_available_gpus()
Output: AttributeError: module 'tensorflow_core.keras.backend' has no attribute 'tensorflow_backend'

但只需从keras导入后端即可

from keras import backend as K
K.tensorflow_backend._get_available_gpus()
Output:['/job:localhost/replica:0/task:0/device:GPU:0']

我想知道keras是否使用GPU，我不明白'keras'和'tf.keras'的交互。 我的整个神经网络建立在从tensorflow.keras导入的层上

编辑：我正在使用自定义的 ImageDataGenerator 函数，这就是我导入它的方式 -

从 keras.preprocessing.image 导入 ImageDataGenerator

而不是from tensorflow.keras.preprocessing.image import ImageDataGenerator 。 这就是为什么我想检查 Keras 是否也在 GPU 上运行。 我需要确保这一点吗？ 如果是，如何？

Answer 1

从 Keras 回购：

Keras 是一种高级神经网络 API，用 Python 编写，能够在 TensorFlow、CNTK 或 Theano 之上运行。在安装 Keras 之前，请安装其后端引擎之一：TensorFlow、Theano 或 CNTK。 （我们推荐使用 TensorFlow 后端）。 所以 Keras 是一个皮肤（一个 API）。 TensorFlow 已决定将此皮肤作为 tf.keras 包含在其自身中。