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.kerasOptimizer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.layersvs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。
602392714
清零编程群