Keras vs. tf.keras


20

Sono un po 'confuso nella scelta tra Keras (keras-team / keras) e tf.keras (tensorflow / tensorflow / python / keras /) per il mio nuovo progetto di ricerca.

C'è un dibattito sul fatto che Keras non sia di proprietà di nessuno, quindi le persone sono più felici di contribuire e sarà molto più facile gestire il progetto in futuro.

D'altra parte, tf.keras è di proprietà di Google, in modo più rigoroso di test e manutenzione. Inoltre, sembra che questa sia un'opzione migliore per sfruttare le nuove funzionalità presentate in Tensorflow v.2.

Quindi, per avviare un progetto di data science (machine learning) (in fase di ricerca), all'inizio entrambi vanno bene, quale scegli ?!


1
Questo sembra essere un duplicato di stackoverflow.com/questions/48893528/...
Sir execlp

Un'altra spiegazione su questo: pyimagesearch.com/2019/10/21/...
MOH

Risposte:


16

Dal repository di Keras .:

Keras è un'API di reti neurali di alto livello, scritta in Python e in grado di funzionare su TensorFlow, CNTK o Theano.

E

Prima di installare Keras, installa uno dei suoi motori di backend: TensorFlow, Theano o CNTK. Consigliamo il backend TensorFlow.

Quindi Keras è una skin (un'API). TensorFlow ha deciso di includere questa skin dentro di sé come tf.keras. Poiché Keras fornisce API che TensorFlow ha già implementato (a meno che CNTK e Theano non superino TensorFlow che è improbabile), tf.kerasstarebbe al passo con Keras in termini di diversità API. Pertanto, suggerirei di seguire tf.kerasciò che ti coinvolge con un solo repository di qualità superiore. invece di due, il che significa meno mal di testa.

Quale scegli?!

tf.keras‬.


5

Questo tweet di François Chollet suggerisce di usare tf.keras .

Ti consigliamo di cambiare il codice Keras in tf.keras.

Sia Theano che CNTK sono fuori sviluppo. Nel frattempo, come backend di Keras, rappresentano meno del 4% dell'utilizzo di Keras. L'altro 96% degli utenti (di cui oltre la metà è già su tf.keras) è meglio servito con tf.keras.

Lo sviluppo di Keras si concentrerà su tf.keras in futuro.

È importante sottolineare che cercheremo di iniziare a sviluppare tf.keras nel suo repository GitHub autonomo presso keras-team / keras per rendere molto più semplice il contributo di persone di terze parti.

Keras non si è mai mosso più velocemente di adesso

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.