Je suis un peu confus dans le choix entre Keras (keras-team / keras) et tf.keras (tensorflow / tensorflow / python / keras /) pour mon nouveau projet de recherche.
Il y a un débat sur le fait que Keras n'appartient à personne, donc les gens sont plus heureux de contribuer et il sera beaucoup plus facile de gérer le projet à l'avenir. La
De l'autre côté, tf.keras est la propriété de Google, test de façon plus rigoureuse et d' entretien. De plus, il semble que ce soit une meilleure option pour profiter des nouvelles fonctionnalités qui se présentent dans Tensorflow v.2.
Donc, pour démarrer un projet de science des données (machine learning) (en phase de recherche), que les deux vont bien au début, lequel choisissez-vous?!
Réponses:
Du dépôt Keras :
Et
Keras est donc un skin (une API). TensorFlow a décidé d'inclure cette peau en elle-même comme
tf.keras. Étant donné que Keras fournit des API que TensorFlow a déjà implémentées (à moins que CNTK et Theano ne dépassent TensorFlow, ce qui est peu probable),tf.kerassuivrait Keras en termes de diversité des API. Par conséquent, je suggère d'aller avectf.kerasce qui vous permet de rester impliqué avec un seul repo de meilleure qualité. au lieu de deux, ce qui signifie moins de maux de tête.tf.keras.la source
Cette tweet de François Chollet propose d'utiliser tf.keras .
la source