tf.keras和tf.python.keras有什么区别？

tf.keras和tf.python.keras有什么区别？

从官方的TensorFlow开发人员开始，缩短了（强调我的意思）：

API导入位于软件包的根目录中。其他任何导入都只是Python，允许您访问私有程序而无需考虑良好的编码习惯。

进口的唯一方法是

import tensorflow as tftf.keras

我们也提供的支持

from tensorflow.keras import

，尽管它很脆弱，并且在我们继续重构时可能会中断。 不支持
从

tensorflow.python

或任何其他模块（包括

import tensorflow_core

） 导入
，并且可能会突然中断。

我： 可以肯定的

tf.python.keras

是， 私有的 是为了发展，而不是供 公众 使用？

是的，确实如此。一切

tf.python

都是私人的

---

但是，这还不是全部。

tf.python

仍然是访问某些函数/类的唯一方法-
例如

tf.python.framework

和

tf.python.ops

，都在中使用

tf.keras.optimizers

。但是如上所述，除非您正在“开发”（即编写自定义功能或类），否则这不会成为问题。“开箱即用”用法应该很好，永远不要碰

tf.python

。

请注意，这不仅是兼容性问题，而且“只要没有任何问题”，两者就 不能
互换。例如，

tf.keras

使用optimizer_v2，它与

tf.python.keras

Optimizer实质上不同。

最后，请注意，以上两个链接都以

tf.python.keras

-不确定而结束，但似乎

tf.keras

在TF
Github中实际上并不存在（例如，无引用

OptimizerV2

），但是在本地安装时，它 确实
与TF合并在

tensorflow_core/python/keras/api/_v2

文件夹中：

from tensorflow import kerasprint(keras.__file__)from tensorflow.python import kerasprint(keras.__file__)D:Anacondalibsite-packagestensorflow_corepythonkerasapi_v2keras__init__.pyD:Anacondalibsite-packagestensorflow_corepythonkeras__init__.py

虽然两个共享

python/

文件夹，他们 不 都

tf.python

-可以从它们各自的验证

__init__.py

。

---

更新
：

tf.python.keras.optimizers

与

tf.python.keras.layers

vs一起

tf.keras.optimizers

使用，对于中型模型（代码），

tf.keras.layers

运行
速度 要 慢11.5倍 。我继续在用户代码中看到前者-将其视为警告提示。