1. 首页
  2. GitHub

TensorFlow vs Keras你选哪个深度学习框架

  对于还没有接触过Keras的人来说,可能不了解Keras是什么。它是一个专为简单的神经网络组装而设计的Python库,具有大量预先包装的网络类型,包括二维和三维风格的卷积网络、短期和长期的网络以及更广泛的一般网络。使用Keras构建网络是直接的。Keras在其API设计中使用的语义是非常的面向层次,这使网络组件相对的直观一些。
  另一方面,TensorFlow可以说是更强大的一种框架,但它没有所有的预先包装的网络。也没有Keras的大量预先包装的网络类型。但是,它可以任您构建任意复杂的神经体系结构。
  Keras非常注重层面。并非所有网络都使用严格的分层,在TensorFlow中,您可以更好地控制网络。如果您使用已知的网络设计,并以新的方式将其组合,或将其应用于新数据,那么Keras是首选。但是,如果您正在设计新的网络类型,TensorFlow似乎是最佳选择。
  一旦实施了新的网络体系架构,能够重用该架构确实可以使您更轻松一些。您可以实现将数据传递给后续层的自定义层,或者可以执行更复杂的操作。
  在实施新模型和面对新数据和TensorFlow实现已知体系结构时,请使用Keras。当TensorFlow模型完成时,端口到Keras并添加到您的个人库中。这样,您可以专注于在构建这些类型的系统时需要注意的其他事项:格式化输入数据、评估结果、调整超参数等。这个方法也适用于Theano,以及任何其他深入学习框架。
  Christopher Lamb称,他使用TensorFlow进行原型设计,然后使用Keras和Keras原语为可移植性构建最终的模型。取两种框架的精华。

原创文章,作者:fendouai,如若转载,请注明出处:http://www.buluo360.com/2017/11/03/tensorflow-vs-keras/

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

 

QQ:1722332572