tensorflow - 我应该使用独立的 Keras 库还是 tf.keras？

Question

随着 Keras 成为 TensorFlow 的 API，有很多旧版本的 Keras 代码，例如https://github.com/keiserlab/keras-neural-graph-fingerprint/blob/master/examples.py

from keras import models

使用当前版本的 TensorFlow，我们是否需要将每个 Keras 代码更改为？

from tensorflow.keras import models

Answer 1

你把事情搞混了：

• Keras ( https://keras.io/ ) 是一个独立于 TensorFlow 的库，它指定了一个用于构建和训练神经网络的高级 API，并且能够使用多个后端之一（其中 TensorFlow）用于低级张量计算。
• tf.keras( https://www.tensorflow.org/guide/keras ) 在 TensorFlow 中实现 Keras API 规范。此外，该tf.kerasAPI 已针对其他 TensorFlow 模块进行了优化：例如，您可以将tf.data数据集传递.fit()给模型的方法tf.keras，或者将tf.keras模型转换为 TensorFlow 估计器tf.keras.estimator.model_to_estimator。目前，该tf.kerasAPI 是在 TensorFlow 中构建模型时要寻找的高级 API，未来将继续与其他 TensorFlow 功能集成。

所以回答你的问题：不，你不需要将 Keras 代码转换为 tf.keras 代码。Keras 代码使用 Keras 库，甚至可能运行在与 TensorFlow 不同的后端之上，并且将来会继续正常工作。更重要的是，不要仅仅tf.keras在同一个脚本中混合 Keras 和对象，因为这可能会产生不兼容，例如您可以在这个问题中看到。

更新：Keras 将被 tf.keras 抛弃：https ://twitter.com/fchollet/status/1174019423541157888