Keras后端（tensorflow）與Keras

Question

我想自定義Keras損失函數，但我不太了解。

如果我使用tensorflow作為Keras的后端，我需要使用keras.backend函數還是可以直接使用tensorflow中的函數？

我只看到人們使用keras.backend功能而不是tensorflow中的帖子（即使tensorflow具有更多功能）。 有這樣做的理由嗎？

例如一個玩具：

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

這兩個函數都運行良好，但是一個函數直接使用了tensorflow，另一個函數使用了keras.backend函數。

我知道這是一個愚蠢的例子，但是當您想做更復雜的事情時，我認為使用tensorflow比使用keras函數要容易，因為有更多可用的函數

Answer 1

如評論中所指出和在此答案中所述： “在以下情況下，必須使用Keras后端函數（即keras.backend。*）：1）需要預處理或擴充傳遞給實際函數的參數Tensorflow或Theano后端或對返回的結果進行后處理，或2）您想編寫一個可在所有Keras支持的后端上使用的模型。”