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

Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？

如果您想用少量的代碼盡快地構(gòu)建和測(cè)試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且sequential API和model非常強(qiáng)大。而且keras的設(shè)計(jì)非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡(jiǎn)單操作相比，tensorflow編譯碼的構(gòu)造過(guò)程非常復(fù)雜（尤其對(duì)于初學(xué)者來(lái)說(shuō)，大量的記憶過(guò)程非常痛苦）。此外，keras將模塊化作為設(shè)計(jì)原則之一，用戶(hù)可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來(lái)實(shí)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(duì)較慢。如果高度包裝，上述缺點(diǎn)將更加明顯。除了一些對(duì)速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會(huì)選擇tensorflow

如果您在驗(yàn)證您的想法時(shí)，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(gè)性空間。此外，對(duì)神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對(duì)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(xùn)練其中一個(gè)變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

盡管它們都提供了深度學(xué)習(xí)模型通常需要的功能，但如果用戶(hù)仍然追求一些高階功能選擇，例如研究特殊類(lèi)型的模型，則需要tensorflow。例如，如果您想加快計(jì)算速度，可以使用tensorflow的thread函數(shù)來(lái)實(shí)現(xiàn)與多個(gè)線(xiàn)程的相同會(huì)話(huà)。此外，它還提供了調(diào)試器功能，有助于推斷錯(cuò)誤和加快操作速度。

有人說(shuō)Keras在TensorFlow中的分量越來(lái)越重，對(duì)此你怎么看？

其實(shí)keras不僅在tensorflow的系統(tǒng)中越來(lái)越重要，而且因?yàn)樗荊oogle為tensorflow開(kāi)發(fā)的一套API，所以父母撫養(yǎng)的孩子自然很容易長(zhǎng)大。

另外，如果我們將keras視為一種web前端技術(shù)，那么tensorflow在后臺(tái)就像Java或PHP。也就是說(shuō)，keras是一套類(lèi)似于標(biāo)準(zhǔn)的“UI”，它是為開(kāi)發(fā)人員設(shè)計(jì)的，也就是為“操作員”設(shè)計(jì)的一個(gè)深度學(xué)習(xí)框架，它便于學(xué)習(xí)和使用，提高了開(kāi)發(fā)人員的效率。

Keras在2018年擁有25000個(gè)人用戶(hù)。它的易用性和親和力都非常好。

Keras還支持其他深度學(xué)習(xí)框架。當(dāng)然，它不是為其他深度學(xué)習(xí)框架設(shè)計(jì)的，但是它太熱了，而且設(shè)計(jì)得很好，所以其他深度學(xué)習(xí)框架的開(kāi)發(fā)公司都愿意讓自己的框架支持keras。

深度學(xué)習(xí)框架已經(jīng)開(kāi)發(fā)了相當(dāng)長(zhǎng)的時(shí)間。到目前為止，許多工程師還不能使用它，或者他們可能缺少像keras這樣的“前端”！