tensorflow入门教程 Keras还是TensorFlow，程序员该如何选择深度学习框架？

Keras还是TensorFlow，程序员该如何选择深度学习框架？

如果您想用少量的代码尽快地构建和测试神经网络，keras是最快的，而且sequential API和model非常强大。而且keras的设计非常人性化。以数据输入和输出为例，与keras的简单操作相比，tensorflow编译码的构造过程非常复杂（尤其对于初学者来说，大量的记忆过程非常痛苦）。此外，keras将模块化作为设计原则之一，用户可以根据自己的需求进行组合。如果你只是想快速建立通用模型来实现你的想法，keras可以是第一选择。

但是，包装后，keras将变得非常不灵活，其速度相对较慢。如果高度包装，上述缺点将更加明显。除了一些对速度要求较低的工业应用外，由于tensorflow的速度较高，因此会选择tensorflow

如果您在验证您的想法时，想定义损失函数而不是使用现有的设置，与keras相比，tensorflow提供了更大的个性空间。此外，对神经网络的控制程度将在很大程度上决定对网络的理解和优化，而keras提供的权限很少。相反，tensorflow提供了更多的控制权，比如是否训练其中一个变量、操作梯度（以获得训练进度）等等。

尽管它们都提供了深度学习模型通常需要的功能，但如果用户仍然追求一些高阶功能选择，例如研究特殊类型的模型，则需要tensorflow。例如，如果您想加快计算速度，可以使用tensorflow的thread函数来实现与多个线程的相同会话。此外，它还提供了调试器功能，有助于推断错误和加快操作速度。

有人说Keras在TensorFlow中的分量越来越重，对此你怎么看？

其实keras不仅在tensorflow的系统中越来越重要，而且因为它是Google为tensorflow开发的一套API，所以父母抚养的孩子自然很容易长大。

另外，如果我们将keras视为一种web前端技术，那么tensorflow在后台就像Java或PHP。也就是说，keras是一套类似于标准的“UI”，它是为开发人员设计的，也就是为“操作员”设计的一个深度学习框架，它便于学习和使用，提高了开发人员的效率。

Keras在2018年拥有25000个人用户。它的易用性和亲和力都非常好。

Keras还支持其他深度学习框架。当然，它不是为其他深度学习框架设计的，但是它太热了，而且设计得很好，所以其他深度学习框架的开发公司都愿意让自己的框架支持keras。

深度学习框架已经开发了相当长的时间。到目前为止，许多工程师还不能使用它，或者他们可能缺少像keras这样的“前端”！

tensorflow入门教程 keras fit_generator tensorflow

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。