Keras 后端（张量流）与 Keras

Question

我想自定义一个 Keras 损失函数，但我不是很懂。

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

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

举个玩具例子：

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，因为可用的函数更多

Answer 1

正如 cmets 中所指出的和 this answer 中所述，“在以下情况下，使用 Keras 后端函数（即 keras.backend.*）是必要的：1）需要预处理或增加参数传递给 Tensorflow 或 Theano 后端的实际函数或对返回的结果进行后处理，或者 2）您想编写一个适用于所有 Keras 支持的后端的模型。”