Tensorflow 为什么我在使用keras和tf.keras时得到了不同的训练结果？

我在研究项目中使用了TensorFlow 1.13和Keras。现在，由于一些未来的警告，我安装了TensorFlow 2.0并尝试使用它

我没有像以前那样使用Keras，而是使用tf.Keras并构建了相同的RNN模型。i、 e

从keras.layers导入稠密（我以前使用过）

v、 美国

从tf.keras.layers导入稠密（我现在尝试了）

所有其他代码都是相同的。但是，使用从tf.keras.layers.one导入会得到一些更糟糕的结果。我很确定这不是巧合，我试过多次交叉验证并运行模型

---

有人知道为什么会这样吗？与tf.keras.layers和keras.layers有什么区别吗？如果是这样的话，如果我们得到了一些“错误”的结果，我们该如何小心呢？

tf.keras是tensorflow对KerasAPI的实现。理想情况下，使用tf.keras不会给您带来更糟糕的结果。然而，两种KERA的版本可能不匹配，这可能/可能不会给您带来不同的结果。您可以使用tf.keras.version函数检查版本，并查看该版本是否与您以前使用的keras版本相同。 有关更多详细信息，请参阅：

---

获得更大的损失值听起来像是巧合，因为

tf.keras

和

keras

具有相同的结构。即使是

keras

也使用TensorFlow作为后端（如果已安装）或Theano（这里不是这种情况）。