Keras contra tf.keras

Estoy un poco confundido al elegir entre Keras (keras-team / keras) y tf.keras (tensorflow / tensorflow / python / keras /) para mi nuevo proyecto de investigación.

Existe el debate de que Keras no es propiedad de nadie, por lo que las personas están más felices de contribuir y será mucho más fácil administrar el proyecto en el futuro.

Por otro lado, tf.keras es propiedad de Google, prueba y mantenimiento de manera más rigurosa. Además, parece que esta es una mejor opción para aprovechar las nuevas características que se presentan en Tensorflow v.2.

Entonces, para comenzar un proyecto de ciencia de datos (aprendizaje automático) (en la fase de investigación), ambos están bien al principio, ¿cuál eliges?

Del repositorio de Keras . :

Keras es una API de redes neuronales de alto nivel, escrita en Python y capaz de ejecutarse sobre TensorFlow, CNTK o Theano.

Y

Antes de instalar Keras, instale uno de sus motores de fondo: TensorFlow, Theano o CNTK. Recomendamos el backend TensorFlow.

Entonces Keras es un skin (una API). TensorFlow ha decidido incluir esta máscara dentro de sí misma como tf.keras. Dado que Keras proporciona API que TensorFlow ya ha implementado (a menos que CNTK y Theano superen a TensorFlow, lo cual es poco probable), tf.kerasse mantendría al día con Keras en términos de diversidad de API. Por lo tanto, sugeriría ir con lo tf.kerasque lo mantiene involucrado con un solo repositorio de mayor calidad. en lugar de dos, lo que significa menos dolor de cabeza.

¡¿Cuál eliges?!

tf.keras‬.

Este tweet de François Chollet sugiere usar tf.keras .

Le recomendamos que cambie su código de Keras a tf.keras.

Tanto Theano como CNTK están fuera de desarrollo. Mientras tanto, como backends de Keras, representan menos del 4% del uso de Keras. El otro 96% de los usuarios (de los cuales más de la mitad ya están en tf.keras) están mejor atendidos con tf.keras.

El desarrollo de Keras se centrará en tf.keras en el futuro.

Es importante destacar que trataremos de comenzar a desarrollar tf.keras en su propio repositorio independiente de GitHub en keras-team / keras para que sea mucho más fácil para terceros contribuir.

Keras nunca se ha movido más rápido que ahora