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 tf
tf.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。 (包括import tensorflow_core
)
我: 可以肯定的tf.python.keras
是, 是为了发展,而不是供 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 keras
print(keras.__file__)
from tensorflow.python import keras
print(keras.__file__)
D:\Anaconda\lib\site-packages\tensorflow_core\python\keras\api\_v2\keras\__init__.py
D:\Anaconda\lib\site-packages\tensorflow_core\python\keras\__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
。
: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 要 。我继续在用户代码中看到前者-将其视为警告提示。