[英]Keras backend (tensorflow) vs Keras
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
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。”
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.