目录

tf.keras

TensorFlow 1的时代

TensorFlow 2（2.6之前）的时代

TensorFlow 2（2.6之后，含2.6）的时代

表面统一，背后杂乱

举几个例子

tf.keras.datasets.mnist

tf.keras.models.Sequential()

tf.keras.layers

---

TensorFlow和Keras就不过多介绍了。

反正记得对于很多人来说，TensorFlow+Keras的组合就够用了，并且也很好用。

tf.keras

深度学习系统里有一个很严重的问题，就是兼容性。这是因为深度学习系统里有很多的模块（构件、组件），并且很可能是不同的团队开发，比如TensorFlow和Keras。

TensorFlow 1的时代

TensorFlow 1和Keras互相独立，虽然在TensorFlow 1.1x的时候就整合了Keras，但整合进去的还不完善，所以当时得分别安装

pip install tensorflow
pip install keras

也要分别引用

import tensorflow
import keras

TensorFlow 2（2.6之前）的时代

TensorFlow 2（2.6之前）完成了对Keras 的整合，Keras变成了TensorFlow代码库的一部分。

安装变成了只安装TensorFlow即可，Keras不再作为独立的模块出现，而是TensorFlow的一部分。

pip install tensorflow

这个时候感觉代码的结构就已经比较混乱了。因为想使用Keras，有好多入口（调用方法）

比如

import tensorflow.keras.xxxx
import tensorflow.python.keras.xxx

TensorFlow 2（2.6之后，含2.6）的时代

种种原因，TensorFlow 2（2.6之后，含2.6），Keras的代码又独立出来了。

Tensorflow 2.6 的发行说明中指出，Keras 被拆分为单独的 PIP 包（keras），Keras代码已移至 GitHub 存储库 keras-team/keras，tf.keras 的 API 端点保持不变，但现在由 keras PIP 包支持。

对于用户来说，安装命令还是一样。

虽然命令一样，但实际的动作和TensorFlow 2（2.6之前）不一样了，执行这条命令除了安装Tensorflow模块之外，还会自动安装Keras模块（Keras模块从TensorFlow模块中拆分出来了）

pip install tensorflow

Tensorflow 2.6 的发行说明中还说明了tensorflow/python/keras 中的现有代码是一个陈旧的副本，将在未来版本 (2.7) 中删除。

应删除对 tensorflow.python.keras 的任何导入，并将它们替换为公共 tf.keras API。

所以应统一使用

import tensorflow.keras.xxxx

 

表面统一，背后杂乱

当然了，tensorflow和keras发展的过程中，分分合合，造成了很多历史遗留问题。虽然现在统一使用tensorflow.keras这个入口，但这个入口背后的代码却是层层跳转，显得非常复杂。

tensorflow.keras里定义了很多模块，比如layers、models

假设有一个模块叫tf.keras.xxx

CTRL+鼠标左键点击xxx无法跳转到定义

断点调试可以发现，tf.keras模块实际调用的是keras.api._v2.keras模块，

查看tf.keras的源码也佐证了这一点

_keras_module = "keras.api._v2.keras"
keras = _LazyLoader("keras", globals(), _keras_module)
_module_dir = _module_util.get_parent_dir_for_name(_keras_module)
if _module_dir:
  _current_module.__path__ = [_module_dir] + _current_module.__path__
setattr(_current_module, "keras", keras)

举几个例子

tf.keras.datasets.mnist

keras.api._v2.keras.datasets.mnist模块其实还不是最终节点，在其__init__.py中有定义

from keras.datasets.mnist import load_data

keras.datasets.mnist才是实现了mnist数据集操作的模块

我们主要用到的是读取数据集，即loda_data函数

tf.keras.models.Sequential()

来源于from keras.api._v2.keras import models

在keras.api._v2.keras.models的__init__.py中有定义

from keras.engine.sequential import Sequential

可以看出，Sequential其实是在keras.engine.sequential中实现的

tf.keras.layers

和tf.keras.models类似，都是定义在keras.api._v2.keras下，最终在keras.engine.xx或者keras.layers.xx中实现

例如ReLU，实际是在from keras.layers.activation.relu import ReLU中实现