Keras還是TensorFlow，程序員該如何選擇深度學習框架？如果您想用少量的代碼盡快地構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且sequential API和model非常強大。而且keras

Keras還是TensorFlow，程序員該如何選擇深度學習框架？

如果您想用少量的代碼盡快地構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且sequential API和model非常強大。而且keras的設(shè)計非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構(gòu)造過程非常復雜（尤其對于初學者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設(shè)計原則之一，用戶可以根據(jù)自己的需求進行組合。如果你只是想快速建立通用模型來實現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點將更加明顯。除了一些對速度要求較低的工業(yè)應用外，由于tensorflow的速度較高，因此會選擇tensorflow

如果您在驗證您的想法時，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個性空間。此外，對神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓練其中一個變量、操作梯度（以獲得訓練進度）等等。

盡管它們都提供了深度學習模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計算速度，可以使用tensorflow的thread函數(shù)來實現(xiàn)與多個線程的相同會話。此外，它還提供了調(diào)試器功能，有助于推斷錯誤和加快操作速度。

有學習python和tensorflow的書籍推薦嗎？謝謝？

Python作為一種編程語言，值得學習。由于其簡單的介紹和易懂的特點，受到越來越多開發(fā)人員的歡迎。就連房地產(chǎn)大亨潘石屹也在學蟒蛇，可見蟒蛇的流行。由于去年工作的需要，我自學了一些Python知識，并用tensorflow框架推薦了一些書籍和學習經(jīng)驗。

Python非常容易入門。你可以通過參考一些書籍或在線課程來學習。MOOCS、網(wǎng)易云課堂，甚至BiliBili都有教程。大部分的基礎(chǔ)知識都可以涵蓋。如果您想學習tensorflow，可以學習一些數(shù)據(jù)處理，了解和使用常用的第三方庫。您可以參考Python數(shù)據(jù)分析、Python數(shù)據(jù)可視化等

1。X

版本太復雜了，普通用戶無法理解，而2.0簡化了很多東西，更像Python語言，更容易上手。目前，書不多。你可以參考tensorflow 2.0深度學習算法的實用教材，或者直接去一些東方搜索。如果你想了解更多，你可以閱讀《深度學習》、《機器學習》等相關(guān)書籍。