Python - TensorFlow 和 Keras

Question

我一直在搜索什么是 Tensorflow 和 Keras。 他們說 Tensorflow 在 Keras 之上運行，這意味着 Tensorflow 是 Z7E7904ACCF4D2E5FBE843F 的“后端”。 （盡管您可以使用 Theano 和 CNTK 等其他工具）

這里的“BACKEND”一詞是否意味着它完成了深度學習 model 背后的整個數學過程？ 我的意思是 Tensorflow 是做復雜事情的人，比如處理矩陣（張量），做所有的數學事情？

另一方面，KERAS 是我們只需要創建 MODEL 的人，對吧？ 並且一旦創建了 model，它的“BACKEND”就是 Tensorflow，對吧？ 導致 MODEL 按其應有的方式工作（如處理矩陣並進行所有數學運算）它需要一個“BACKEND”，即 Tensorflow。

這就是我根據一些開放論壇和 Keras 文檔所理解的：

Keras 是一個模型級庫，為開發深度學習模型提供高級構建塊。 它不處理自己的低級操作，例如張量積、卷積等。 相反，它依賴於專門的、優化良好的張量操作庫來執行此操作，充當 Keras 的“后端引擎”。

我的理解正確嗎？ 如果您有其他答案，請賜教。

Answer 1

當我們說 Tensorflow 是 Keras 的后端時，我們的意思是 Keras 不自己做計算。 Keras 僅提供使用更復雜的 Tensorflow 代碼的易於使用的功能。 然后它的功能稍弱，但在大多數情況下就足夠了。 如果不是，您可以在 Keras 代碼中添加 Tensorflow 代碼，因為它們都在后台使用相同的 Tensorflow 對象。

Keras 現在是官方的 Tensorflow 高級 API，然后是 ZCB20B802A3F0255E054E4FB8ED 的一部分。

Answer 2

從更高版本的 TensorFlow (1.8) 和所有更高版本 + 最新版本的 TensorFlow 開始，Keras 集成在 Z0734DD6997310DAE888EEB45F13B3B 中

The recommended way to use Keras is to use it inside TensorFlow, practically if you import a layer you should do like from tensorflow.keras import X, Y .

Keras 確實是一個高級的 API，它支持多個后端框架，例如 Theano（順便說一句已經過時）或 MXNET 等。

Since Keras was easier to use and a lot of people opted for Keras in spite of TensorFlow, whose learning curve was very poor in comparison with Keras, TensorFlow decided to integrate Keras inside their framework.

實際上，與此同時，Keras 的創建者加入了 Google 開發團隊，因此將 Keras 集成到 TensorFlow 中。

如果您只是關注深度學習，請確保您在 TensorFlow 中使用 Keras 。 它更健壯，更不容易出錯。 除此之外，Keras 將進入維護模式（從 2.3.X 開始）不再發布主要版本，僅維護。