TensorFlow - tf.layers vs tf.contrib.layers

Question

在TensorFlow中， tf.layers和tf.contrib.layers共享許多功能（標准2D卷積層，批量規范化層等）。 這兩者之間的區別僅在於contrib.layers包仍然是實驗性的，其中layers包被認為是穩定的嗎？ 或者一個被另一個取代？ 其他差異？ 為什么這兩個分開？

Answer 1

你已經回答了自己的問題。 tf.contrib命名空間的官方文​​檔說明如下：

contrib模塊包含volatile或實驗代碼。

所以tf.contrib保留用於實驗性功能。 允許此命名空間中的API在不同版本之間快速更改，而其他API通常不能沒有新的主要版本。 特別是， tf.contrib.layers中的函數與tf.contrib.layers中的函數tf.layers ，盡管其中一些函數可能使用不同的名稱進行復制。

至於你是否應該使用它們，這取決於你是否願意處理突然發生的變化。 不依賴於tf.contrib可能更容易遷移到TensorFlow的未來版本。