编者按：本文来自微信公众号机之心（ID:almosthuman2014），36氪经授权发布。

将Keras并入TensorFlow，到底是不是一个正确的决定？

近日，Reddit上出现了一个「悼念」Keras的帖子，引发了不少人的围观。发帖者表示，谷歌已经慢慢地将Keras杀死了。

乍一看，这一观点似乎有点耸人听闻：Keras活得好好的，怎么能说已经被谷歌杀死了呢？而且前不久，这个神经网络库刚刚过完6岁生日。MITCSAIL官方账号还发推表示，Keras目前已经成为全世界使用最多的十大软件工具之一。

这一切还要从Keras和谷歌的恩怨说起。

Keras与谷歌的TensorFlow有一段极其复杂的历史，这个故事很长，有很多细节，有时甚至会有一些矛盾。

Keras最初是由GoogleAI开发人员/研究人员FrancoisChollet创建并开发的，作者于2015年3月27日将Keras的第一个版本commit并release到他的GitHub上。一开始，Francois开发Keras是为了方便他自己的研究和实验。但随着深度学习的普及，许多开发人员、程序员和机器学习从业人员都因其易于使用的API而涌向Keras。

为了训练你自己的自定义神经网络，Keras需要一个后端。后端是一个计算引擎——它可以构建网络的图和拓扑结构，运行优化器，并执行具体的数字运算。你可以把后台看作是你的数据库，Keras是你用来访问数据库的编程语言。

一开始，在v1.1.0之前，Keras的默认后端都是Theano。与此同时，Google发布了TensorFlow，这是一个用于机器学习和神经网络训练的符号数学库。Keras开始支持TensorFlow作为后端。渐渐地，TensorFlow成为最受欢迎的后端，这也就使得TensorFlow从Kerasv1.1.0发行版开始成为Keras的默认后端。

一般来说，一旦TensorFlow成为了Keras的默认后端，TensorFlow和Keras的使用量会一起增长——没有TensorFlow的情况下就无法使用Keras，所以如果你在系统上安装了Keras，那么你也得安装TensorFlow。

同样的，TensorFlow用户也越来越被高级KerasAPI的简单易用所吸引。tf.keras是在TensorFlowv1.10.0中引入的，这是将keras直接集成到TensorFlow包中的第一步。

tf.keras软件包与你通过pip安装的keras软件包（即pipinstallkeras）是分开的。为了确保兼容性，原始的keras包没有被包含在tensorflow中，因此它们的开发都很有序。

然而，这种情况后来发生了改变改变——当谷歌在2019年6月发布TensorFlow2.0时，他们宣布Keras现在是TensorFlow的官方高级API，用于快速简单的模型设计和训练。随着Keras2.3.0的发布，Francois在声明中写道：

这是Keras首个与tf.keras同步的版本，也是Keras支持多个后端（即Theano，CNTK等）的最终版本。最重要的是，所有深度学习从业人员都应将其代码转换成TensorFlow2.0和tf.keras软件包。原始的keras软件包仍会接收bug并修复，但请向前看，你应该开始使用tf.keras了。

对于Keras和TensorFlow来说，二者的合并似乎是一个双赢的决定，但很多开发者不这么认为。上述发帖者就是其中之一。

ta认为，这一决定已经慢慢地将Keras杀死了。为了解释这一观点，ta还给出了三个理由：

第一个理由是：在合并期间，KerasAPI被有效地「冻结」了，这使得它在特性方面落后于其他竞争者；

第二个理由是：TF2发布得太晚了。最重要的是，最初的几个2.x版本漏洞百出，甚至现在也缺乏一些基本的特性；

第三个理由是：谷歌没有在TF1和2之间进行坚决的切割，而是将TF1中的很多包和垃圾直接移植到TF2，使得框架非常臃肿。当某个地方出问题时，你会被满屏冗长的神

标签： 科技新闻、

本文地址： https://yihaiquanyi.com/article/e8b88da79e9e1ced0f1e.html

上一篇：苹果超级签名怎么购买苹果超级签名...
下一篇：瑞银对黄金的预测瑞银预测麦当劳人造肉汉堡...