Keras与TensorFlow代码比较源

这并不是一个特定于代码的问题，但我还没有找到任何答案或参考资料

我目前正在尝试教自己一些“纯”TensorFlow，而不仅仅是使用Keras，我觉得如果有一些源代码，它们有TensorFlow代码和等效Keras代码并排进行比较，这将非常有用

不幸的是，我在互联网上发现的大多数结果都涉及性能方面的差异，或者有非常简单的比较示例（例如，“这就是为什么Keras使用起来更简单”）。与其说我对这些细节感兴趣，不如说我对代码本身感兴趣

---

有人知道有没有什么资源可以帮助你解决这个问题吗？

你可以看看玩具的例子，但可能太简单了

你可以看看玩具的例子，但它可能太简单了

这里有两个模型，分别对应于

Tensorflow

和

Keras

：

import tensorflow as tf
import numpy as np
import pandas as pd
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

张量流 凯拉斯

---

这里有两个模型，分别对应于Tensorflow和Keras：

import tensorflow as tf
import numpy as np
import pandas as pd
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

张量流 凯拉斯

---

Keras API比原来的TensorFlow API好，这就是为什么TensorFlow 2.0使用Keras API的原因。因此，继续学习Keras并在TensorFlow中使用它。有关更多信息，请参阅：Keras API比原始TensorFlow API更好，这就是为什么TensorFlow 2.0使用Keras API的原因。因此，继续学习Keras并在TensorFlow中使用它。有关更多信息，请参阅：

import tensorflow as tf
from tensorflow.keras.layers import Input, Dense
from keras.models import Model

l = tf.keras.layers

model = tf.keras.Sequential([
    l.Flatten(input_shape=(784,)),
    l.Dense(128, activation='relu'),
    l.Dense(128, activation='relu'),
    l.Dense(10, activation='softmax')
])

model.compile(loss='categorical_crossentropy', optimizer='adam',metrics = ['accuracy'])

model.summary()

model.fit(x_train.reshape(-1,784),pd.get_dummies(y_train),nb_epoch=15,batch_size=128,verbose=1)