tensorflow的keras 與 原聲keras幾點比較
阿新 • • 發佈:2019-01-11
dataset fit 占位符 數據 體會 其他 兩種 支持 那種
tensorflow的keras 與 原聲keras幾點比較,不是全面的比較,因為只是就使用時候發現的差異!
使用函數式API時:
1. 定義模型模型時,用到輸入的張量,也就是給Input的tensor賦值為你的inputs,在編譯時給定target_tensors的值;這種方式自然導致
在fit的時候不用再次傳遞用於訓練的輸入和輸出數據了。
2. 定義模型模型時,使用的時Input的占位符而不是將數據傳遞進去;這種方式,在fit時,需要餵數據。
3.兩種框架都支持以上的函數API的使用方式,但是當數據的以tensorflow.data.Dataset形式供給時,keras只能在第一種方式下工作,
而tensorflow的keras的兩種第一模型的方式,均能很好的與tf.data.Dataset工作!
4.說實話原生keras的fit_generator並不是那麽美好,還是tensorflow的dataset的好用於供給數據,因此,吾還是要用dataset,其他方式鄙人
那種美好只有使用過別的人才能體會。也就是用原生keras只能使用一種定義模型定義方式(在函數API下),看來選擇tensorflow的keras能
更好融入tensorflow體系,損失就是不能使用原生keras的多後端特性。
5. 坑爹感覺,兩種方式定義相同模型,算出結果有差異??
tensorflow的keras 與 原聲keras幾點比較