如何有效地使用 Keras 与后端无关

Posted 2023-02-16

【中文标题】如何有效地使用 Keras 与后端无关

【英文标题】：How to use Keras effectively agnostic to backend

【发布时间】：2021-12-14 15:38:49

【问题描述】：

我正在尝试一些使用 keras 模型的示例，这些示例已经可用。大多数示例都使用带有 tensorflow（或 pytorch 或 theano）的 keras。 由于有限的可用资源和成本削减，我正在使用 plaidml 与 amd gpu 一起工作。由于 keras 支持可插拔后端，我认为这可能不是问题。 请分享您对使用 keras api 以及稍后插入所需后端的想法。 我有这个担忧是因为samples 和this 使用的是来自 tensorflow (import tensorflow.keras) 的 keras，而我使用的是来自 keras(import keras) 的普通版和可插拔后端。 什么是等价的陈述

img = tf.io.decode_png(img, channels=1)
# 3. Convert to float32 in [0, 1] range
img = tf.image.convert_image_dtype(img, tf.float32)

普通的 keras api 有什么限制吗？

【参考方案1】：

我只是使用 PIL Image 来读取和转换图像。它的工作原理与不使用 tensorflow api 相同。无论后端如何，都可以使用大多数 keras api。 PlaidML 也有一些警告，有一些功能，如 CTC Loss ctc_batch_cost 找不到。我遇到了类似的错误

Keras 后端函数 'ctc_batch_cost' 尚未在 格子花呢。您可以通过让我们知道此功能来帮助我们确定优先级 对您很重要，并且一如既往地欢迎您的贡献！

有些帖子提供了一些示例实现，但并不直接。来自 PLaidML，response 是它可能不会很快推出。