Keras vs. tf.keras

Estou um pouco confuso ao escolher entre Keras (keras-team / keras) e tf.keras (tensorflow / tensorflow / python / keras /) para o meu novo projeto de pesquisa.

Há um debate em que Keras não pertence a ninguém, então as pessoas ficam mais felizes em contribuir e será muito mais fácil gerenciar o projeto no futuro. O que outras pessoas estão dizendo

Por outro lado, tf.keras é propriedade do Google, teste e manutenção de modo mais rigoroso. Além disso, parece que essa é uma opção melhor para tirar proveito dos novos recursos apresentados no Tensorflow v.2.

Então, para iniciar um projeto de ciência de dados (aprendizado de máquina) (na fase de pesquisa), ambos estão bem no começo, qual deles você escolhe ?!

Do repositório Keras . :

Keras é uma API de redes neurais de alto nível, escrita em Python e capaz de executar sobre TensorFlow, CNTK ou Theano.

E

Antes de instalar o Keras, instale um de seus mecanismos de back-end: TensorFlow, Theano ou CNTK. Recomendamos o back-end do TensorFlow.

Então Keras é uma skin (uma API). TensorFlow decidiu incluir esta pele dentro de si mesma como tf.keras. Como o Keras fornece APIs que o TensorFlow já implementou (a menos que o CNTK e o Theano ultrapassem o TensorFlow, o que é improvável), tf.kerasele acompanharia o Keras em termos de diversidade de API. Portanto, sugiro tf.kerasque você mantenha o envolvimento com apenas um repo de qualidade superior. em vez de dois, o que significa menos dor de cabeça.

Qual você escolhe?!

tf.keras‬.

Este tweet de François Chollet sugere usar tf.keras .

Recomendamos que você mude seu código Keras para tf.keras.

Theano e CNTK estão fora de desenvolvimento. Enquanto isso, como Keras se destaca, eles representam menos de 4% do uso de Keras. Os outros 96% dos usuários (dos quais mais da metade já estão no tf.keras) estão melhor atendidos com o tf.keras.

O desenvolvimento de Keras se concentrará em tf.keras no futuro.

Importante, procuraremos começar a desenvolver o tf.keras em seu próprio repositório GitHub independente em keras-team / keras, a fim de tornar muito mais fácil a contribuição de terceiros.

Keras nunca se moveu mais rápido do que agora