Tensorflow与Keras区别
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Tensorflow与Keras区别相关的知识,希望对你有一定的参考价值。
参考技术A 最基本的区别就是Keras是Tensorflow更高级的封装,Keras有很方便操作的API,而Tensorflow更适用于偏底层一点的网络结构的设计之类的。这两天多补下Tensorflow和Keras的源码。
tensorflow的keras 与 原声keras几点比较
tensorflow的keras 与 原声keras几点比较,不是全面的比较,因为只是就使用时候发现的差异!
使用函数式API时:
1. 定义模型模型时,用到输入的张量,也就是给Input的tensor赋值为你的inputs,在编译时给定target_tensors的值;这种方式自然导致
在fit的时候不用再次传递用于训练的输入和输出数据了。
2. 定义模型模型时,使用的时Input的占位符而不是将数据传递进去;这种方式,在fit时,需要喂数据。
3.两种框架都支持以上的函数API的使用方式,但是当数据的以tensorflow.data.Dataset形式供给时,keras只能在第一种方式下工作,
而tensorflow的keras的两种第一模型的方式,均能很好的与tf.data.Dataset工作!
4.说实话原生keras的fit_generator并不是那么美好,还是tensorflow的dataset的好用于供给数据,因此,吾还是要用dataset,其他方式鄙人
那种美好只有使用过别的人才能体会。也就是用原生keras只能使用一种定义模型定义方式(在函数API下),看来选择tensorflow的keras能
更好融入tensorflow体系,损失就是不能使用原生keras的多后端特性。
5. 坑爹感觉,两种方式定义相同模型,算出结果有差异??
以上是关于Tensorflow与Keras区别的主要内容,如果未能解决你的问题,请参考以下文章
如何在 Tensorflow-2.0 中绘制 tf.keras 模型?
Python TensorFlow实现Sequential深度神经网络回归
Keras 和 TensorFlow 中所有这些交叉熵损失之间有啥区别?