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Keras与TensorFlow代码比较源,tensorflow,keras,Tensorflow,Keras,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
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)