Keras vs.tf.keras

我在为新研究项目选择Keras（keras-team / keras）和tf.keras（tensorflow / tensorflow / python / keras /）之间有点困惑。

有争论称，Keras不归任何人所有，因此人们更乐于参与其中，将来管理该项目将更加容易。‬

在另一边，tf.keras是由谷歌所拥有，因此更严格的测试和维护。而且，这似乎是利用Tensorflow v.2中提供的新功能的更好选择。

因此，要启动一个数据科学（机器学习）项目（在研究阶段），在开始时都没问题，您选择哪个？

从Keras仓库：

Keras是用Python编写的高级神经网络API，能够在TensorFlow，CNTK或Theano之上运行。

和

在安装Keras之前，请安装其后端引擎之一：TensorFlow，Theano或CNTK。我们建议使用TensorFlow后端。

因此Keras是皮肤（API）。TensorFlow已决定将此皮肤本身包含在内tf.keras。由于Keras提供了TensorFlow已经实现的API（除非CNTK和Theano超过TensorFlow（这不太可能）），所以tf.keras在API多样性方面将与Keras保持一致。因此，我建议您选择与之tf.keras配套使用的解决方案，以使您仅参与一个更高质量的回购交易。而不是两个，这意味着头痛更少。

您选择哪一个？

tf.keras‬。

来自FrançoisChollet的该推文建议使用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Keras后端，它们仅占Keras使用量的不到4％。其余96％的用户（其中​​一半以上已经在tf.keras上）使用tf.keras可以更好地服务。

Keras的开发将集中在tf.keras上。

重要的是，我们将寻求在keras-team / keras的独立GitHub存储库中开始开发tf.keras，以使第三方参与者的贡献更加容易。

Keras的移动速度从未像现在这样快