Tensorflow keras和tf.keras之间有什么区别？

我在学习TensorFlow和Keras。我想试试，它似乎是用凯拉斯语写的

将代码转换为tf.keras是否相当简单

---

我对代码的可移植性不感兴趣，而对两者之间的真正区别不感兴趣。

在这一点上，tensorflow几乎完全采用了keras API，并且有一个很好的理由——它简单、易于使用和学习，而“纯”tensorflow附带了很多样板代码。是的，您可以使用tf.keras而不会出现任何问题，尽管您可能需要在代码中重新处理导入。比如说

from keras.layers.pooling import MaxPooling2D

将变成：

from tensorflow.keras.layers import MaxPooling2D

---

tf.keras和keras之间的区别在于Tensorflow对框架的特异性增强

keras

是一个API规范，描述了深度学习框架应如何实现与模型定义和培训相关的特定部分。 与框架无关，支持不同的后端（Theano、Tensorflow等）

tf.keras

是KerasAPI规范的Tensorflow特定实现。它为该框架添加了对许多Tensorflow特定功能的支持，如：完美支持

tf.data.Dataset

作为输入对象，支持急切执行

---

在Tensorflow 2.0

tf.keras将是默认值，我强烈建议开始使用
tf.keras
keras与tf.keras的历史既漫长又曲折

Keras：Keras是一种高级（易于使用）API，由谷歌AI开发者/研究员Francois Chollet构建。用Python编写，能够在TensorFlow、CNTK或Theano等后端引擎上运行

TensorFlow：也是由谷歌为深度学习开发者社区开发的一个库，用于让公众能够访问和使用深度学习应用程序。开源，可在GitHub上获得

随着KerasV1.1.0的发布，Tensorflow成为默认的后端引擎。这意味着：如果您在系统上安装了Keras，那么您也在安装TensorFlow

后来，TensorFlow v1.10.0首次在TensorFlow中引入了tf.keras子模块将KERA集成到TensorFlow中的第一步

随着Keras 2.3.0的发布


与tf.Keras同步的Keras首次发布
支持其他多后端引擎的最新主要版本
最重要的是，今后建议将代码从keras转换为Tensorflow2.0和tf.keras包。

参考François Chollet的推文使用tf.keras

也就是说，
到处改变

从

到

在requirements.txt中

tensorflow==2.3.0

*免责声明：如果您使用的是旧版本的Keras，则可能会产生冲突。在这种情况下，pip是否卸载keras

。

能否更具体一些？您需要转换什么代码？看看可能重复的可能重复的，所以，对于大多数代码，我需要做的唯一更改是import语句？（我想可能会有例外）总的来说是的，除非你已经导入了整个库，并且必须检查代码并找出你在哪里使用了什么（这对于现代IDE来说仍然不是什么大问题）。Kerass 2.3.0是Keras的最后一个多后端版本，开发将继续使用tf.Keras

from tensorflow.keras.models import Sequential
from tensorflow.keras.models import load_model

tensorflow==2.3.0