Jestem trochę zagubiony w wyborze pomiędzy Keras (keras-team / keras) i tf.keras (tensorflow / tensorflow / python / keras /) dla mojego nowego projektu badawczego.
Toczy się debata, w której Keras nie jest własnością nikogo, więc ludzie chętniej się do tego przyczyniają, a zarządzanie projektem będzie znacznie łatwiejsze w przyszłości. W pobliżu
Z drugiej strony, tf.keras jest własnością Google, więc bardziej rygorystyczne testy i konserwację. Ponadto wydaje się, że jest to lepsza opcja korzystania z nowych funkcji, które są prezentowane w Tensorflow v.2.
Tak więc, aby rozpocząć projekt informatyczny (uczenie maszynowe) (w fazie badań), które oba są w porządku na początku, który wybierasz ?!
Odpowiedzi:
Z repozytorium Keras . :
I
Więc Keras jest skórką (API). TensorFlow postanowił włączyć tę skórkę do siebie jako
tf.keras
. Ponieważ Keras zapewnia interfejsy API, które TensorFlow już zaimplementował (chyba że CNTK i Theano wyprzedzą TensorFlow, co jest mało prawdopodobne),tf.keras
nadąży za Keras pod względem różnorodności API. Dlatego proponuję pójść z tym,tf.keras
który utrzymuje cię w tylko jednym repozytorium o wyższej jakości. zamiast dwóch, co oznacza mniejszy ból głowy.tf.keras
.źródło
Ten tweet François Cholleta sugeruje użycie tf.keras .
źródło