Tensorflow keras和tf.keras的差异

我发现tf.keras与keras有很大的不同，在keras中，当您使用普通函数而不是Lambda包装函数时会出现错误，错误是“AttributeError:'NoneType'对象没有属性'_inbound_nodes'”，而在tf.keras中，允许使用普通函数和tf.keras.layers。同时发挥作用。

---

keras似乎使用不同的数据结构，在层之间创建innode。

是的，keras和Tf.keras之间存在差异

Keras是TensorFlow之上的独立库实现

Keras是在TensorFlow（以及旧版本中的其他DL框架）内部实现的Keras库

每个人都应该选择TF.Keras，因为它维护得更好，更不容易出现bug，而且未来的发展方向也是如此；事实上，大多数Keras开发人员现在都在TF.Keras上工作，包括创建者Francois Chollet

Keras standalone将不会发布任何其他主要版本，并将在将来被放弃

---

对于所有需要解决的项目和任务，请选择TF.Keras。

我需要一些证据来证明TF.Keras不太容易出现bug，因为他们对它做了很多更改，这引入了许多keras中不存在的额外错误。考虑到Francois Chollet自己说过TF.keras不太容易出错，我想说，尽管可能引入了一些错误，但是的，这些陈述应该有明确的证据支持，我猜他没有时间/没有足够的动机这么做。你需要第三方验证这些评论，而不是来自图书馆的同一创作者。我不会说这只是几个错误，在某些情况下，整个加载过程被破坏了（参见所有关于函数的错误），或者keras和tf.keras之间存在巨大的学习和计算性能差异，或者缺乏向后兼容性（似乎他们根本没有测试）。所有这些都是主要的问题，但keras会引发类似“非类型”对象没有属性“\u inbound\u nodes”和tf.keras没有这样的错误？在我看来，keras似乎为层创建innodelist和outnodelist，所以如果函数是正常的而不是层，它会引发这个错误。是keras和tf.keras使用不同的数据结构吗？