केरस बनाम tf.keras

Question

मैं थोड़ा के बीच चुनने में उलझन में हूँ Keras (keras टीम / keras) और tf.keras (tensorflow / tensorflow / अजगर / keras /) अपने नए अनुसंधान परियोजना के लिए।

ऐसी बहस चल रही है कि केरस किसी के स्वामित्व में नहीं है, इसलिए लोग इसमें योगदान करने के लिए खुश हैं और भविष्य में परियोजना का प्रबंधन करना बहुत आसान होगा।

दूसरी ओर, tf.keras , गूगल के स्वामित्व में है तो और अधिक कठोर परीक्षण और रखरखाव। इसके अलावा, ऐसा लगता है कि यह नई सुविधाओं का लाभ उठाने के लिए एक बेहतर विकल्प है जो Tensorflow v.2 में पेश कर रहे हैं।

तो, एक डेटा विज्ञान (मशीन लर्निंग) परियोजना (अनुसंधान चरण में) शुरू करने के लिए, कि दोनों शुरुआत में ठीक हैं, जो आप चाहते हैं वह है?

Comments

ऐसा लगता है कि stackoverflow.com/questions/48893528/…

— सर ExecLP

इस पर एक और स्पष्टीकरण: pyimagesearch.com/2019/10/21/…

— moh

Answer 1

से Keras रेपो .:

केरस एक उच्च-स्तरीय तंत्रिका नेटवर्क एपीआई है, जिसे पायथन में लिखा गया है और टेन्सरफ्लो, सीएनटीके, या थीनो के शीर्ष पर चलने में सक्षम है।

तथा

केरेस को स्थापित करने से पहले, कृपया इसके बैकेंड इंजन में से एक को स्थापित करें: टेन्सरफ्लो, थीनो या सीएनटीके। हम TensorFlow बैकएंड की सलाह देते हैं।

तो केरस एक त्वचा (एक एपीआई) है। TensorFlow ने इस त्वचा को अपने अंदर शामिल करने का निर्णय लिया है tf.keras। चूँकि केरेस एपीआई प्रदान करता है, जो कि TensorFlow ने पहले ही लागू कर दिया है (जब तक कि CNTK और Theano ने TensorFlow को पछाड़ नहीं दिया है), जो tf.kerasAPI विविधता के संदर्भ में Keras के साथ बना रहेगा। इसलिए, मैं tf.kerasआपके साथ केवल एक, उच्च गुणवत्ता वाले रेपो के साथ जुड़ने का सुझाव दूंगा। दो के बजाय, जिसका अर्थ है कम सिरदर्द।

कौन सा आप चयन करते हैं?!

tf.keras‬।

Answer 2

यह ट्वीट फ़्राँस्वा Chollet से उपयोग करने के लिए पता चलता है tf.keras ।

हम अनुशंसा करते हैं कि आप अपने Keras कोड को tf.keras पर स्विच करें।

थीनो और सीएनटीके दोनों ही विकास से बाहर हैं। इस बीच, केरस बैकेंड के रूप में, वे केरस उपयोग के 4% से कम का प्रतिनिधित्व करते हैं। अन्य 96% उपयोगकर्ता (जिनमें से आधे से अधिक पहले से ही tf.keras पर हैं) को tf.keras के साथ बेहतर तरीके से परोसा जाता है।

केरस विकास आगे जाने वाले tf.keras पर केंद्रित होगा।

महत्वपूर्ण रूप से, हम अपने स्वयं के स्टैंडअलोन GitHub रिपॉजिटरी में keras-team / keras में tf.keras को विकसित करना शुरू करने की कोशिश करेंगे ताकि इसे 3 पार्टी के लोगों के लिए योगदान करने के लिए बहुत आसान बनाया जा सके।

केरस अब से ज्यादा तेजी से आगे नहीं बढ़ रहा है