为什么我的模型在Tensorflow中的速度是Keras的两倍？

Question

正在进行使用张量流的udacity深度学习课程。我曾尝试使用tensorflow后端复制keras中的一个赋值，但是相比于tensorflow的1.5分钟，它几乎耗时3分钟。 theano后端需要更长的时间 - 差不多4分钟。我没有使用GPU。

有一个简单的解释吗？我想知道tensorflow是否通过将图形的不同节点放在不同的处理器上来更好地利用多处理？

Answer 1

凯拉斯初学者错了。在Keras中添加Dense（20，input_dim = 20）时，会添加隐藏层和输入层。参数input_dim是输入层。在tensorflow中，您可以显式添加输入图层。因此，对于我的Keras模型，我不小心添加了一个额外的图层，完成时需要两倍的时间。