TensorFlow - tf.layers vs tf.contrib.layers

在TensorFlow中，tf.layers和tf.contrib.layers共享很多功能（標準2D卷積層，批量標準化層等）。這兩者之間的區別只是contrib.layers包仍然是實驗性的，其中layers包被認爲是穩定的？或者一個被另一個替代？其他區別？爲什麼這兩個分開？TensorFlow - tf.layers vs tf.contrib.layers

來源

2017-06-28 golmschenk

您已回答了您自己的問題。 tf.contrib命名空間的官方文檔描述爲：

contrib模塊包含易失性或實驗性代碼。

因此tf.contrib保留用於實驗功能。這個命名空間中的API允許在不同版本之間快速更改，而其他版本通常不能沒有新的主要版本。具體而言，tf.contrib.layers中的功能與tf.layers中的功能不同，儘管其中一些功能可能使用不同的名稱複製。

至於你是否應該使用它們，這取決於你是否願意處理突然中斷的變化。不依賴於tf.contrib的代碼可能更容易遷移到未來版本的TensorFlow。

來源

2017-06-28 14:51:13

是否有任何理由，這些模塊之間的許多功能是重複的？ tf.contrib.layers中的版本，比如具有更好優化的實驗版本還是其他？還是隻是因爲歷史原因將圖層模塊添加到tf之前剩下的？ – erobertc

@erobert這可能需要根據具體情況進行評估。通常，'tf.contrib'使社區能夠嘗試不同的API，並在此過程中暴露不太穩定的功能。因此，在新功能着陸後，他們不必立即消失。同樣，它們也可能被完全更改或在次要版本中清除。目前，例如，'tf.layers.conv2d'和'tf.contrib.layers.conv2d'具有不同的原型，並不總是可以互換的。 –

TensorFlow - tf.layers vs tf.contrib.layers

回答

相關問題