Keras vs. tf.keras

ฉันสับสนเล็กน้อยในการเลือกระหว่างKeras (keras-team / keras) และtf.keras (tensorflow / tensorflow / python / keras /) สำหรับโครงการวิจัยใหม่ของฉัน

มีการถกเถียงกันว่าKerasไม่ได้เป็นของใครดังนั้นผู้คนมีความสุขที่ได้มีส่วนร่วมและมันจะง่ายขึ้นมากในการจัดการโครงการในอนาคต

ในด้านอื่น ๆ , tf.kerasเป็นเจ้าของโดย Google ทดสอบเพื่อให้เข้มงวดมากขึ้นและการบำรุงรักษา ยิ่งกว่านั้นดูเหมือนว่านี่เป็นตัวเลือกที่ดีกว่าสำหรับการใช้ประโยชน์จากคุณสมบัติใหม่ที่มีอยู่ใน Tensorflow v.2

ดังนั้นเพื่อเริ่มโครงการข้อมูลวิทยาศาสตร์ (การเรียนรู้ของเครื่อง) (ในขั้นตอนการวิจัย) ว่าทั้งคู่ไม่เป็นไรในตอนแรกคุณเลือกอันไหน?!

จากrepos Keras :

Keras เป็น API โครงข่ายประสาทระดับสูงที่เขียนด้วย Python และสามารถทำงานบน TensorFlow, CNTK หรือ Theano

และ

ก่อนการติดตั้ง Keras กรุณาติดตั้งเอนจินแบ็กเอนด์หนึ่งตัว: TensorFlow, Theano หรือ CNTK เราแนะนำแบ็กเอนด์ TensorFlow

ดังนั้น Keras คือสกิน (API) TensorFlow tf.kerasได้ตัดสินใจที่จะรวมถึงผิวนี้ภายในตัวเองเป็น เนื่องจาก Keras มี API ที่ TensorFlow ได้ดำเนินการแล้ว (ยกเว้น CNTK และ Theano แซงหน้า TensorFlow ซึ่งไม่น่าเป็นไปได้) tf.kerasจะทำให้ Keras มีความหลากหลายของ API ดังนั้นฉันขอแนะนำให้ไปกับtf.kerasที่ช่วยให้คุณมีส่วนร่วมกับ repo เดียวที่มีคุณภาพสูงขึ้น แทนที่จะเป็นสองซึ่งหมายถึงอาการปวดหัวน้อยลง

คุณเลือกอันไหน

tf.keras‬.

นี้ทวีตจากFrançois Chollet แสดงให้เห็นถึงการใช้tf.keras

เราแนะนำให้คุณเปลี่ยนรหัส Keras เป็น tf.keras

ทั้ง Theano และ CNTK ไม่ได้รับการพัฒนา ในขณะเดียวกันเมื่อ Keras สำรองข้อมูลพวกเขาแสดงถึงการใช้งานของ Keras น้อยกว่า 4% อีก 96% ของผู้ใช้ (ซึ่งมากกว่าครึ่งหนึ่งอยู่ใน tf.keras อยู่แล้ว) จะได้รับการบริการที่ดีขึ้นด้วย tf.keras

การพัฒนาของ Keras จะมุ่งเน้นไปที่ tf.keras ในอนาคต

ที่สำคัญเราจะพยายามเริ่มพัฒนา tf.keras ในพื้นที่เก็บข้อมูล GitHub แบบสแตนด์อโลนของตนเองที่ keras-team / keras เพื่อให้ง่ายขึ้นมากสำหรับบุคคลที่สามที่จะมีส่วนร่วม

Keras ไม่เคยเคลื่อนไหวเร็วกว่านี้