TensorFlow2 入门指南 | 10 Keras 与 tf.keras 总体框架介绍

Posted 2021-06-26 AI 菌

前言：

本专栏在保证内容完整性的基础上，力求简洁，旨在让初学者能够更快地、高效地入门TensorFlow2 深度学习框架。如果觉得本专栏对您有帮助的话，可以给一个小小的三连，各位的支持将是我创作的最大动力！

系列文章汇总：TensorFlow2 入门指南
Github项目地址：https://github.com/Keyird/TensorFlow2-for-beginner

---

文章目录

• • 一、走进 Keras
  • 二、 Keras 与 tf.keras
  • 三、 Keras 优点
  • 四、tf.keras 总体框架

---

一、走进 Keras

Keras 是一个主要由 Python 语言开发的开源神经网络计算库，最初由 François Chollet 编写，它被设计为高度模块化和易扩展的高层神经网络接口，使得用户可以不需要过多的专业知识就可以简洁、快速地完成模型的搭建与训练。Keras 库分为前端和后端，其中后端可以基于现有的深度学习框架实现，如 Theano，CNTK，TensorFlow，前端接口即 Keras抽象过的统一接口 API。用户通过 Keras 编写的代码可以轻松的切换不同的后端运行，灵活性较大。

TensorFlow 与 Keras 存在既竞争，又合作的关系，甚至连 Keras 创始人都在 Google 工作。早在 2015 年 11 月，TensorFlow 被加入 Keras 后端支持。从 2017 年开始，Keras 的大部分组件被整合到 TensorFlow 框架中。在 TensorFlow 2 版本中，Keras 被正式确定为TensorFlow 的高层 API 唯一接口，取代了 TensorFlow 1 版本中自带的 tf.layers 等高层接口。也就是说，现在只能使用 Keras 的接口来完成 TensorFlow 层方式的模型搭建与训练。在 TensorFlow 中，Keras 被实现在 tf.keras 子模块中。

二、 Keras 与 tf.keras

那么 Keras 与 tf.keras 有什么区别与联系呢？其实 Keras 可以理解为一套搭建与训练神经网络的高层 API 协议，Keras 本身已经实现了此协议，可以方便的调用 TensorFlow，CNTK 等后端完成加速计算；在 TensorFlow 中，也实现了一套 Keras 协议，即 tf.keras，但只能基于 TensorFlow 后端计算，并对 TensorFlow 的支持更好。对于使用 TensorFlow 的开发者来说，tf.keras 可以理解为一个普通的子模块，与其他子模块，如 tf.math，tf.data 等并没有什么差别。下文如无特别说明，Keras 均指代 tf.keras 实现，而不是标准的 Keras 实现。

三、 Keras 优点

tf.keras 是用于构建和训练深度学习模型的 TensorFlow 高阶 API。利用此 API，可实现快速原型设计、先进的研究和生产，它具有以下三大优势：

• 方便用户使用
  Keras 具有针对常见用例做出优化的简单而一致的界面。它可针对用户错误提供切实可行的清晰反馈。
• 模块化和可组合
  将可配置的构造块组合在一起就可以构建 Keras 模型，并且几乎不受限制。
• 易于扩展
  可以编写自定义构造块，表达新的研究创意；并且可以创建新层、指标、损失函数并开发先进的模型。

四、tf.keras 总体框架

1、tf.keras 的各个模块如下：

2、tf.keras 的两个重要类：

• Model：Model 将层分组为具有训练和推理特征的对象
• Sequential：Sequential 将层的线性堆栈分组到一个 tf.keras.Model

3、tf.keras 的一个重要功能函数：

• Input()：用于实例化 Keras 张量

---

本教程所有代码会逐渐上传github仓库：https://github.com/Keyird/TensorFlow2-for-beginner
如果对你有帮助的话，欢迎star收藏~

最好的关系是互相成就，各位的「三连」就是【AI 菌】创作的最大动力，我们下期见！