Keras模型的TensorFlow图？

是否可以在原生TensorFlow中定义一个图，然后将该图转换为Keras模型

---

我的意图只是（对我来说）将两个世界中最好的结合起来

我非常喜欢Keras模型API用于原型设计和新实验，即使用awesome

多gpu（model，gpu=4）

进行多gpu训练，使用OneLiner保存/加载权重或整个模型，所有方便的功能，如

.fit（）

，

.predict（）

，等等

然而，我更喜欢用原生TensorFlow定义我的模型。TF中的上下文管理器非常棒，在我看来，用它们实现GAN之类的东西要容易得多：

with tf.variable_scope("Generator"):
    # define some layers
with tf.variable_scope("Discriminator"):
    # define some layers

# model losses
G_train_op = ...AdamOptimizer(...)
    .minimize(gloss,
    var_list=tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, 
                               scope="Generator")
D_train_op = ...AdamOptimizer(...)
    .minimize(dloss, 
    var_list=tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, 
                               scope="Discriminator")

另一个好处是以这种方式构建图表。在TensorBoard调试中，复杂的本地Keras模型是地狱，因为它们根本没有结构化。通过在本机TF中大量使用变量作用域，您可以“解开”图形并查看复杂模型的非常结构化的版本以进行调试

通过利用这一点，我可以直接设置自定义损失函数，并且不必在每次训练迭代中冻结任何内容，因为TF只会更新正确范围内的权重，这（至少在我看来）比Keras解决方案更容易在所有现有层上循环并设置

。trainable=False

TL；医生：

长话短说：我喜欢直接访问TF中的所有内容，但大多数情况下，一个简单的Keras模型足以用于培训、推理。。。后来。模型API在Keras中更容易、更方便

---

因此，我更愿意在native TF中建立一个图表，并将其转换为KERA，用于培训、评估等。有什么方法可以做到这一点吗？

我认为不可能为任何TF图创建一个通用的自动转换器，它将产生一组有意义的层，并具有适当的命名等。仅仅因为图比一系列Keras层更灵活

但是，您可以使用包装来包装您的模型。在函数中构建模型，用Lambda包装，然后将其放入Keras中：

def model_fn(x):
    layer_1 = tf.layers.dense(x, 100)
    layer_2 = tf.layers.dense(layer_1, 100)
    out_layer = tf.layers.dense(layer_2, num_classes)
    return out_layer

model.add(Lambda(model_fn))

这就是使用时有时会发生的情况：您可以使用三个层：输入层、模型层和输出层

Keras道歉

然而，TensorFlow和Keras之间的整合可能更加紧密和有意义。有关用例，请参见

例如，变量作用域的使用方式与TensorFlow非常相似：

x = tf.placeholder(tf.float32, shape=(None, 20, 64))
with tf.name_scope('block1'):
    y = LSTM(32, name='mylstm')(x)

手动放置设备的方法相同：

with tf.device('/gpu:0'):
    x = tf.placeholder(tf.float32, shape=(None, 20, 64))
    y = LSTM(32)(x)  # all ops / variables in the LSTM layer will live on GPU:0

此处讨论了自定义损失：

这就是我在Keras中定义的模型在Tensorboard中的外观：

---

因此，Keras实际上只是TensorFlow的一个简化前端，因此您可以非常灵活地混合它们。我建议您检查的源代码，寻找聪明的解决方案和模式，使您能够使用Keras的干净API构建复杂模型。

您可以将TensorFlow代码直接插入Keras模型或培训管道自2017年年中以来，Keras已完全采用并融入TensorFlow。更详细地说

---

这意味着您的TensorFlow模型已经是Keras模型，反之亦然。您可以在Keras中开发，并在需要时切换到TensorFlow。TensorFlow代码将与Keras API一起使用，包括用于培训、推断和保存模型的Keras API。

您正在寻找这个吗？我不这么认为。看起来这将在TensorFlow中包装功能。我正在寻找一种解决方案，在原生TensorFlow中实现NNs，然后将生成的图转换为Keras模型，这样我就可以使用TF语法构建一些复杂的图，但是要有一个易于使用的Keras运行时模型。一篇关于未来使用TensorFlow和Keras API的不同方式的可能相关文章：只想补充一点，lambda层中定义的任何东西都是不可训练的（无状态的），所以只在那里使用函数，而不是具有可训练权重的层。看见