在使用 tf.keras 時，我們是否需要分別檢查 'tensorflow' 和 'keras'，它們是否在 GPU 上運行？

Question

我在用

TensorFlow 2.0

在遵循從 Tensorflow 1.14 到 Tensorflow 2.0 的遷移指南之后，我從tensorflow.keras而不是僅僅從keras導入了所有模塊。 但是以下命令給出了屬性錯誤 -

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'

但只需從keras導入后端即可

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。 我的整個神經網絡建立在從tensorflow.keras導入的層上

編輯：我正在使用自定義的 ImageDataGenerator 函數，這就是我導入它的方式 -

從 keras.preprocessing.image 導入 ImageDataGenerator

而不是from tensorflow.keras.preprocessing.image import ImageDataGenerator 。 這就是為什么我想檢查 Keras 是否也在 GPU 上運行。 我需要確保這一點嗎？ 如果是，如何？

Answer 1

從 Keras 回購：

Keras 是一種高級神經網絡 API，用 Python 編寫，能夠在 TensorFlow、CNTK 或 Theano 之上運行。在安裝 Keras 之前，請安裝其后端引擎之一：TensorFlow、Theano 或 CNTK。 （我們推薦使用 TensorFlow 后端）。 所以 Keras 是一個皮膚（一個 API）。 TensorFlow 已決定將此皮膚作為 tf.keras 包含在其自身中。