keras与tensorflow.python.keras——使用哪一种？
哪一种是推荐的（或更适合未来使用的）使用Keras的方法 每种方法的优点/缺点是什么 我想这其中有更多的区别，不仅仅是简单地保存一个keras与tensorflow.python.keras——使用哪一种？,python,tensorflow,pip,deep-learning,keras,Python,Tensorflow,Pip,Deep Learning,Keras,哪一种是推荐的（或更适合未来使用的）使用Keras的方法 每种方法的优点/缺点是什么 我想这其中有更多的区别，不仅仅是简单地保存一个pip安装步骤并编写tensorflow.python.keras而不是keras只是一个keras包，在tensorflow包中有一个后端。这允许您通过只安装pip install tensorflow来开始使用keras 软件包包含完整的keras库和三个受支持的后端：tensorflow、theano和CNTK。如果您甚至希望在后端之间切换，您应该选择kera
pip安装步骤并编写tensorflow.python.keras
而不是keras只是一个keras包，在tensorflow
包中有一个后端。这允许您通过只安装pip install tensorflow
来开始使用keras
软件包包含完整的keras库和三个受支持的后端：tensorflow、theano和CNTK。如果您甚至希望在后端之间切换，您应该选择keras
package。这种方法也更灵活，因为它允许独立于tensorflow安装keras更新（这可能不容易更新，例如，因为下一个版本可能需要不同版本的CUDA驱动程序），反之亦然。出于这个原因，我更喜欢将keras
作为另一个软件包安装
就API而言，目前没有区别，但keras在未来可能会更紧密地集成到tensorflow中。因此，keras中可能会有tensorflow独有的功能，但即使在这种情况下，使用keras
包也不是一个拦截器
更新
从Keras 2.3.0版本开始，Francois Chollet宣布用户应该转向tf.Keras，而不是普通的Keras。因此，所有用户都应更改为tf.keras而不是keras。2019-10年的小更新：
Keras团队宣布如下：
这也是多后端Keras的最后一个主要版本。接下来，我们建议用户考虑将他们的KARAS代码转换为TysFROW 2中的TF.KRAS。它实现了相同的Keras 2.3.0 API（因此切换应该与更改Keras导入语句一样简单），但它对TensorFlow用户有许多优势，例如支持急切执行、分发、TPU培训，并且通常在低级TensorFlow和高级概念（如层和模型）之间有更好的集成。它也得到了更好的维护
未来的发展重点将是tf.keras。我们将在未来6个月内继续维护多后端kera，但我们只会合并bug修复。API更改将不会被移植
因此，到目前为止，tf.keras
似乎是最新的选择。哪一个是最新的？也就是说，最新的发展首先出现在哪里；在Keras或tf.Keras中？并非所有的函数都在tf.Keras
中，一些函数仍然在tf.python.Keras.
中，就像所有的vis_utils
和load_weights_一样，按名称从hdf5_组_加载_权重
。