Tensorflow tf.nn.relu vs tf.keras.activations.relu
我看到了这两个,并且只计算ReLU函数(没有额外的完全连接层或其他东西,如前所述),那么它们之间有什么区别呢?一个包裹另一个吗?Tensorflow tf.nn.relu vs tf.keras.activations.relu,tensorflow,tf.keras,Tensorflow,Tf.keras,我看到了这两个,并且只计算ReLU函数(没有额外的完全连接层或其他东西,如前所述),那么它们之间有什么区别呢?一个包裹另一个吗? tf.nn.relu:它来自TensorFlow库。它位于nn模块中。因此,它被用作神经网络中的一种运算。如果x是张量 y = tf.nn.relu( x ) 它用于创建自定义图层和NN。如果与Keras一起使用,则在加载或保存模型或将模型转换为TF-Lite时可能会遇到一些问题 tf.keras.activations.relu:它来自TensorFlow中包含的
:它来自TensorFlow库。它位于tf.nn.relu
模块中。因此,它被用作神经网络中的一种运算。如果nn
是张量x
它用于创建自定义图层和NN。如果与Keras一起使用,则在加载或保存模型或将模型转换为TF-Lite时可能会遇到一些问题y = tf.nn.relu( x )
:它来自TensorFlow中包含的keras库。它位于tf.keras.activations.relu
模块中,该模块还提供其他激活功能。它主要用于Keras层(激活
)中的tf.Keras.Layers
参数:激活=
但是,它也可以用作上一节中的示例。它更具体于KERA(model.add( keras.layers.Dense( 25 , activation=tf.keras.activations.relu ) )
或顺序
),而不是原始的TensorFlow计算模型
tf.nn.relu
是TensorFlow特有的,而tf.keras.activations.relu
在keras自己的库中有更多的用途。如果我创建的NN只有TF,我很可能会使用TF.NN.relu
,如果我创建的是Keras序列模型,那么我将使用TF.Keras.activations.relu
我不同意这个问题离题。我可以问一下为什么吗?