爲什麼要在Keras上使用純TensorFlow？

Question

最近我在看TensorFlow的介紹，並且在那期間，Keras成爲了高級API，可以在後端使用TensorFlow或Theano。

我玩弄了他們兩個，並且用第一個純TensorFlow做了MNIST LeNet-5實現，然後用Keras做了。至少在我的機器上，當直接使用TensorFlow時，我無法看到任何顯着的性能提升。

所以我現在的問題是：在Keras上直接使用TensorFlow有什麼好處？也許這是一個規模問題，我會在大型項目中看到性能的顯着提升嗎？

Answer 1

Keras只是隱藏了Tensorflow（和其他後端）的複雜性，就這些。

如果您需要/希望更好地控制底層發生的事情，您可以直接使用Tensorflow（您可以控制幾乎所有事情，並且可以確保您的實施有效地按照您的要求進行）。

如果你只是想快速原型和開發你的模型，然後凱拉斯是好的，因爲它允許更快地做到這一點。這種折衷是因爲Keras爲你做了很多事情，而你沒有控制權，所以你放鬆了一些控制權。例如，您不能更改卷積圖層的變量名稱/範圍，因爲它們在keras圖層定義中是固定的（內核始終是「內核」，偏差始終是「偏差」）。但是，由於Tensorflow首先構建一個圖並執行它，Keras或Tensorflow中定義的相同圖的執行速度是相同的（Keras只減緩圖構造，這只是Python代碼）。