tensorflow - Tensorflow Keras 模型和估算器有什么区别？

Question

Tensorflow Keras 模型和 Tensorflow Estimators 都能够训练神经网络模型并使用它们来预测新数据。它们都是位于低级核心 TensorFlow API 之上的高级 API。那么我什么时候应该使用其中一种而不是另一种呢？

Answer 1

背景

Estimators API 已添加到 1.1 版的 Tensorflow 中，并为较低级别的 Tensorflow 核心操作提供了高级抽象。它与 Estimator 实例配合使用，Estimator 实例是 TensorFlow 对完整模型的高级表示。

Keras与 Estimators API 类似，它抽象了层、激活函数和优化器等深度学习模型组件，以方便开发人员使用。它是一个模型级库，不处理低级操作，而低级操作是张量操作库或后端的工作。 Keras 支持三个后端 - Tensorflow , Theano和 CNTK .

Keras 直到 Release 1.4.0 才成为 Tensorflow 的一部分(2017 年 11 月 2 日)。现在，当您使用 tf.keras(或谈论“Tensorflow Keras”)时，您只需使用 Keras 接口(interface)和 Tensorflow 后端来构建和训练您的模型。

因此，Estimator API 和 Keras API 都在低级核心 Tensorflow API 上提供了高级 API，您可以使用其中任何一个来训练模型。但在大多数情况下，如果您使用 Tensorflow，则出于下面列出的原因，您会希望使用 Estimators API。

分布

您可以使用 Estimators API 跨多个服务器进行分布式训练，但不能使用 Keras API。

来自Tensorflow Keras Guide ，它说:

The Estimators API is used for training models for distributed environments.

来自Tensorflow Estimators Guide ，它说:

You can run Estimator-based models on a local host or on a distributed multi-server environment without changing your model. Furthermore, you can run Estimator-based models on CPUs, GPUs, or TPUs without recoding your model.

预制估算器

虽然 Keras 提供的抽象使构建模型变得更加容易，但您仍然需要编写代码来构建模型。通过估算器，Tensorflow 提供了预制估算器，这些模型您只需插入超参数即可立即使用。

预制估算器与您使用 scikit-learn 的方式类似。 。例如，tf.estimator.LinearRegressor来自 Tensorflow 类似于 sklearn.linear_model.LinearRegression来自scikit-learn。

与其他 Tensorflow 工具集成

Tensorflow 提供了一个名为 TensorBoard 的可视化工具这可以帮助您可视化图表和统计数据。通过使用估算器，您可以轻松保存摘要，以便使用 Tensorboard 进行可视化。

将 Keras 模型转换为估算器

要将 Keras 模型迁移到 Estimator，请使用 tf.keras.estimator.model_to_estimator方法。