Keras vs. tf.keras

20

Saya agak bingung dalam memilih antara Keras (keras-tim / keras) dan tf.keras (tensorflow / tensorflow / python / keras /) untuk proyek penelitian baru saya.

Ada perdebatan bahwa Keras tidak dimiliki oleh siapa pun, sehingga orang lebih senang untuk berkontribusi dan akan lebih mudah untuk mengelola proyek di masa depan.

Di sisi lain, tf.keras dimiliki oleh Google, tes dan pemeliharaan sehingga lebih ketat. Selain itu, sepertinya ini adalah pilihan yang lebih baik untuk mengambil keuntungan dari fitur-fitur baru yang disajikan dalam Tensorflow v.2.

Jadi, untuk memulai proyek ilmu data (pembelajaran mesin) (pada tahap penelitian), keduanya baik-baik saja di awal, yang mana yang Anda pilih ?!

moh
sumber
1
Ini tampaknya merupakan duplikat dari stackoverflow.com/questions/48893528/…
Sir ExecLP
Penjelasan lain tentang ini: pyimagesearch.com/2019/10/21/…
moh

Jawaban:

16

Dari Keras repo .:

Keras adalah API jaringan saraf tingkat tinggi, ditulis dengan Python dan mampu berjalan di atas TensorFlow, CNTK, atau Theano.

Dan

Sebelum menginstal Keras, silakan instal salah satu mesin backendnya: TensorFlow, Theano, atau CNTK. Kami merekomendasikan backend TensorFlow.

So Keras adalah skin (sebuah API). TensorFlow telah memutuskan untuk memasukkan kulit ini ke dalamnya tf.keras. Karena Keras menyediakan API yang telah diterapkan oleh TensorFlow (kecuali CNTK dan Theano menyalip TensorFlow yang tidak mungkin), tf.kerasakan tetap mengikuti Keras dalam hal keragaman API. Oleh karena itu, saya akan menyarankan untuk pergi dengan tf.kerasyang membuat Anda hanya terlibat dengan satu repo, kualitas lebih tinggi bukannya dua, yang berarti lebih sedikit sakit kepala.

Mana yang Anda pilih?!

tf.keras‬.

Orang Esma
sumber
5

Ini Tweet dari François Chollet menyarankan untuk menggunakan tf.keras .

Kami sarankan Anda mengganti kode Keras Anda ke tf.keras.

Theano dan CNTK sama-sama tidak berkembang. Sementara itu, sebagai backends Keras, mereka mewakili kurang dari 4% dari penggunaan Keras. 96% pengguna lainnya (yang lebih dari setengahnya sudah menggunakan tf.keras) lebih baik dilayani dengan tf.keras.

Pengembangan keras akan fokus pada tf.keras ke depan.

Yang penting, kami akan berusaha untuk mulai mengembangkan tf.keras dalam repositori GitHub mandiri di keras-team / keras untuk membuatnya lebih mudah bagi orang pihak ke-3 untuk berkontribusi.

Keras tidak pernah bergerak lebih cepat dari sekarang

christianhs
sumber