Keras contre tf.keras

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?!

Du dépôt Keras :

Keras est une API de réseaux neuronaux de haut niveau, écrite en Python et capable de s'exécuter sur TensorFlow, CNTK ou Theano.

Et

Avant d'installer Keras, veuillez installer l'un de ses moteurs principaux: TensorFlow, Theano ou CNTK. Nous recommandons le backend TensorFlow.

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 avec tf.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.

Lequel choisis-tu?!

tf.keras‬.

Cette tweet de François Chollet propose d'utiliser tf.keras .

Nous vous recommandons de changer votre code Keras en tf.keras.

Theano et CNTK sont tous deux hors développement. Pendant ce temps, en tant que backends Keras, ils représentent moins de 4% de l'utilisation de Keras. Les 96% restants d'utilisateurs (dont plus de la moitié sont déjà sur tf.keras) sont mieux servis avec tf.keras.

Le développement de Keras se concentrera sur tf.keras à l'avenir.

Surtout, nous chercherons à commencer à développer tf.keras dans son propre référentiel GitHub autonome sur keras-team / keras afin de faciliter la contribution des tiers.

Keras n'a jamais bougé plus vite que maintenant