Tensorflow tf.nn.relu vs tf.keras.activations.relu_Tensorflow_Tf.keras

Tensorflow tf.nn.relu vs tf.keras.activations.relu

tensorflow

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

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keras库。它位于
```
激活
```
模块中，该模块还提供其他激活功能。它主要用于Keras层（
```
tf.Keras.Layers
```
）中的
```
激活=
```
参数：
```
model.add( keras.layers.Dense( 25 , activation=tf.keras.activations.relu  ) )
```
但是，它也可以用作上一节中的示例。它更具体于KERA（
```
顺序
```
或
```
模型
```
），而不是原始的TensorFlow计算

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？