使用Keras的推荐（或更具前瞻性）方法是哪一种？
每个的优点/缺点是什么？
我认为除了简单地保存一个pip install步骤并编写tensorflow.python.keras而不是keras之外，还有更多不同之处。
答案 0 :(得分：23)
tensorflow.python.keras只是一组keras，在tensorflow包内有一个后端。这允许您通过仅安装pip install tensorflow来开始使用keras。
keras包中包含完整的keras库，其中包含三个受支持的后端：tensorflow，theano和CNTK。如果您甚至希望在后端之间切换，则应选择keras包。这种方法也更灵活，因为它允许独立于tensorflow安装keras更新（例如，因为下一版本可能需要不同版本的CUDA驱动程序，因此可能不容易更新），反之亦然。出于这个原因，我更喜欢将keras安装为另一个包。
就API而言，目前没有任何区别，但keras可能会在未来更紧密地集成到tensorflow中。因此keras中有可能只有tensorflow功能，但即使在这种情况下，它也不是使用keras包的阻止程序。
答案 1 :(得分：4)
2019-10的小更新：
Keras团队通过release of version 2.3.0宣布了以下内容：
这也是多后端Keras的最后一个主要版本。展望未来，我们建议用户考虑在TensorFlow 2.0中将其Keras代码切换为tf.keras。它实现了相同的Keras 2.3.0 API（因此切换应该像更改Keras导入语句一样容易），但是它对TensorFlow用户具有许多优势，例如对急切执行，分发，TPU培训的支持以及通常更好的集成在低层TensorFlow和高层概念（如“层”和“模型”）之间。也可以更好地维护它。
发展将集中在tf.keras上。在接下来的6个月中，我们将继续维护多后端Keras，但我们只会合并错误修复程序。 API更改将不会被移植。
因此，到目前为止，tf.keras似乎是可行的方式。