Keras vs. tf.keras


20

Jestem trochę zagubiony w wyborze pomiędzy Keras (keras-team / keras) i tf.keras (tensorflow / tensorflow / python / keras /) dla mojego nowego projektu badawczego.

Toczy się debata, w której Keras nie jest własnością nikogo, więc ludzie chętniej się do tego przyczyniają, a zarządzanie projektem będzie znacznie łatwiejsze w przyszłości. W pobliżu

Z drugiej strony, tf.keras jest własnością Google, więc bardziej rygorystyczne testy i konserwację. Ponadto wydaje się, że jest to lepsza opcja korzystania z nowych funkcji, które są prezentowane w Tensorflow v.2.

Tak więc, aby rozpocząć projekt informatyczny (uczenie maszynowe) (w fazie badań), które oba są w porządku na początku, który wybierasz ?!


1
Wydaje się, że jest to duplikat stackoverflow.com/questions/48893528/...
Sir ExecLP

Kolejne wyjaśnienie na ten temat: pyimagesearch.com/2019/10/21/…
moh

Odpowiedzi:


16

Z repozytorium Keras . :

Keras to interfejs API sieci neuronowych wysokiego poziomu, napisany w języku Python i działający na platformach TensorFlow, CNTK lub Theano.

I

Przed zainstalowaniem Keras, zainstaluj jeden z jego silników zaplecza: TensorFlow, Theano lub CNTK. Zalecamy backend TensorFlow.

Więc Keras jest skórką (API). TensorFlow postanowił włączyć tę skórkę do siebie jako tf.keras. Ponieważ Keras zapewnia interfejsy API, które TensorFlow już zaimplementował (chyba że CNTK i Theano wyprzedzą TensorFlow, co jest mało prawdopodobne), tf.kerasnadąży za Keras pod względem różnorodności API. Dlatego proponuję pójść z tym, tf.kerasktóry utrzymuje cię w tylko jednym repozytorium o wyższej jakości. zamiast dwóch, co oznacza mniejszy ból głowy.

Który wybierasz?!

tf.keras‬.


5

Ten tweet François Cholleta sugeruje użycie tf.keras .

Zalecamy zmianę kodu Keras na tf.keras.

Zarówno Theano, jak i CNTK są w fazie rozwoju. Tymczasem, jako backendy Keras, stanowią mniej niż 4% użycia Keras. Pozostałe 96% użytkowników (z których ponad połowa jest już na tf.keras) lepiej obsługuje tf.keras.

Rozwój Keras będzie koncentrował się na tf.keras w przyszłości.

Co ważne, postaramy się rozpocząć tworzenie tf.keras we własnym niezależnym repozytorium GitHub w keras-team / keras, aby znacznie ułatwić osobom trzecim udział w tworzeniu.

Keras nigdy nie poruszał się szybciej niż teraz

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.