现在TensorFlow 1.1支持tf.contrib.keras下的Keras API，如果我打算使用带有TF后端的Keras，我应该使用哪一个？
tf.contrib.keras版本与常规Keras版本有何不同？ （想到TF特定的内部数据结构优化）。如果我使用Keras和TensorFlow Core，是否有任何好处？
或者tf.contrib.keras只是与Keras相同的代码库的副本，但在不同的命名空间下？
答案 0 :(得分：25)
tf.keras（以前称为tf.contrib.keras）是使用/ for tensorflow专门实现的keras 2的实现。它托管在tensorflow repo上，并且具有与官方repo不同的代码库（tf-keras分支dates back from May 2017中的最后一次提交。）
根据经验，如果您的代码使用任何特定于张量流的代码，请在tf.data.*中为提供输入说明任何内容，或者在张量板中显示tf.summary.*，可以更简单地使用{{1 }}。 （由于occasional problems it has with this toolkit），有些人甚至可能会建议使用TF引用Keras实现 not 。
另一方面，如果您计划主动维护与框架无关的代码，请使用keras＆＃39;自己的包装是您唯一的选择。
如果您不太关心与框架无关但不使用特定于张流的代码，我可能会建议使用tf.keras并开始使用特定于张流的代码，特别是。 tf.keras在我看来是一个改变游戏规则的人。
答案 1 :(得分：11)
Keras最好被理解为API规范，而不是具体的 代码库。事实上，前进将会有两个独立的 Keras规范的实现：内部TensorFlow， 以tf.keras的形式出现，用纯TensorFlow编写并深入 兼容所有TensorFlow功能和外部功能 多后端支持Theano和TensorFlow（很可能 未来甚至更多的后端。）
答案 2 :(得分：1)
最近的FrançoisChollet tweet建议使用 tf.keras 。
我们建议您将Keras代码切换为tf.keras。
Theano和CNTK都在开发中。同时，作为凯拉斯 后端，它们只占Keras使用量的不到4％。其他96％ 用户（其中一半以上已经使用tf.keras）更好 与tf.keras一起使用。
Keras的开发将重点放在tf.keras上。
重要的是，我们将寻求开始自己开发tf.keras 为了使其成为独立的GitHub存储库，位于keras-team / keras 第三党成员更容易贡献。
答案 3 :(得分：-2)
如果有两个github存储库，你将如何同步pull 请求tf.keras和这个存储库？会有人吗？ 将一个存储库中的更改应用于另一个存储库？
代码库会有所不同，因此不需要复制 拉请求。对于API更改，您可以将PR发送到API规范 本身，API规范的更改将在所有内容中复制 代码库。
https://github.com/fchollet/keras/issues/5299#issuecomment-278166426