python - Keras 后端(tensorflow)与 Keras

Question

我想自定义一个 Keras 损失函数，但我不太明白。

如果我使用 tensorflow 作为 Keras 的后端，我需要使用 keras.backend 中的函数还是可以直接使用 tensorflow 中的函数。

我只看到人们使用 keras.backend 中的函数而不是 tensorflow 中的函数的帖子(即使 tensorflow 有更多的函数)。有理由这样做吗？

举个小例子:

from keras import backend as K 
import tensorflow as tf

def loss_keras(y_true, y_pred):

    square_error = K.square(y_pred - y_true)
    loss = K.mean(square_error)

    return loss

def loss_tf(y_true, y_pred):

    square_error = tf.squared_difference(y_pred, y_true)
    loss = tf.reduce_mean(square_error)

    return loss

这两个函数都运行良好，但一个是直接使用 tensorflow，另一个是使用 keras.backend 函数。

我知道这是一个愚蠢的例子，但是当你想做更复杂的事情时，我认为使用 tensorflow 会比 keras 函数更容易，因为有更多可用的函数

Answer 1

正如评论中指出的和在 this answer 中所述“在 1) 需要预处理或增加传递给 Tensorflow 或 Theano 后端的实际函数的参数或后处理返回结果或 2) 您想要编写一个适用于所有 Keras 支持的后端的模型。”