टेंसरफ्लो में, tf.layers
और tf.contrib.layers
बहुत सारी कार्यक्षमता साझा करें (मानक 2 डी संकल्पक परतें, बैच सामान्यीकरण परतें आदि)। क्या इन दोनों के बीच अंतर सिर्फ contrib.layers
पैकेज अभी भी प्रयोगात्मक है जहां layers
पैकेज स्थिर माना जाता है? या एक दूसरे द्वारा प्रतिस्थापित किया जा रहा है? अन्य मतभेद? ये दो अलग क्यों हैं?टेंसरफ्लो - tf.layers बनाम tf.contrib.layers
9
A
उत्तर
10
आपने अपने स्वयं के प्रश्न का उत्तर दिया है। tf.contrib
नाम स्थान के लिए आधिकारिक दस्तावेज पर वर्णन है:
योगदान अस्थिर या प्रयोगात्मक कोड युक्त मॉड्यूल।
तो tf.contrib
प्रायोगिक सुविधाओं के लिए आरक्षित है। इस नेमस्पेस में एपीआई को संस्करणों के बीच तेजी से बदलने की इजाजत है, जबकि अन्य आमतौर पर एक नए बड़े संस्करण के बिना नहीं कर सकते हैं। विशेष रूप से, tf.contrib.layers
में फ़ंक्शंस tf.layers
में पाए गए लोगों के समान नहीं हैं, हालांकि उनमें से कुछ को अलग-अलग नामों से दोहराया जा सकता है।
चाहे आप उनका उपयोग करना चाहते हैं, यह इस बात पर निर्भर करता है कि आप अचानक तोड़ने वाले बदलावों को संभालने के इच्छुक हैं या नहीं। कोड जो tf.contrib
पर भरोसा नहीं करता है, टेंसरफ्लो के भविष्य के संस्करणों में माइग्रेट करना आसान हो सकता है।
संबंधित मुद्दे
- 1. उच्च स्तरीय tf.layers
- 2. टेंसरफ्लो सरल संचालन: टेंसर बनाम पायथन चर
- 3. टेंसरफ्लो: ग्राफ ऑप्टिमाइज़ेशन (जीपीयू बनाम सीपीयू प्रदर्शन)
- 4. टेंसरफ्लो
- 5. टेंसरफ्लो
- 6. टेंसरफ्लो
- 7. टेंसरफ्लो
- 8. टेंसरफ्लो
- 9. टेंसरफ्लो
- 10. टेंसरफ्लो:
- 11. टेंसरफ्लो
- 12. टेंसरफ्लो
- 13. टेंसरफ्लो?
- 14. टेंसरफ्लो
- 15. टेंसरफ्लो
- 16. टेंसरफ्लो
- 17. टेंसरफ्लो - छवि
- 18. टेंसरफ्लो: आरएनएन
- 19. टेंसरफ्लो seq2seq
- 20. टेंसरफ्लो: tf.merge_all_summaries()
- 21. टेंसरफ्लो प्रशिक्षण
- 22. मैं टेंसरफ्लो
- 23. टेंसरफ्लो में 'टेंसर' शब्द को कैसे समझें?
- 24. टेंसरफ्लो आरईएसटी फ्रंटेंड लेकिन टेंसरफ्लो की सेवा नहीं
- 25. टेंसरफ्लो वैरिएबल और कॉन्स्टेंट
- 26. टेंसरफ्लो cholesky decomposition
- 27. टेंसरफ्लो में अनुक्रम लेबलिंग
- 28. टेंसरफ्लो: tf.argmax() और tf.equal()
- 29. टेंसरफ्लो numpy array
- 30. टेंसरफ्लो आयात त्रुटि: _pywrap_tensorflow
क्या कोई कारण है कि इन मॉड्यूल के बीच अधिकांश कार्यक्षमता डुप्लिकेट की गई है? क्या tf.contrib.layers में संस्करण, बेहतर अनुकूलन या कुछ के साथ प्रयोगात्मक संस्करण कहते हैं? या ऐतिहासिक कारणों से परत मॉड्यूल को टीएफ में जोड़ा जाने से पहले वे सिर्फ बचे हुए हैं? – erobertc
@erobert जिसे केस-दर-मामले आधार पर मूल्यांकन किया जाना पड़ सकता है। अक्सर, 'tf.contrib' समुदाय को विभिन्न एपीआई के साथ प्रयोग करने और प्रक्रिया में कम स्थिर सुविधाओं का पर्दाफाश करने में सक्षम बनाता है। ऐसे में, उन्हें एक नई सुविधा भूमि के तुरंत बाद गायब होने की जरूरत नहीं है। इसी प्रकार, उन्हें एक मामूली रिलीज पर पूरी तरह से बदला या साफ किया जा सकता है। फिलहाल, उदाहरण के लिए, 'tf.layers.conv2d' और 'tf.contrib.layers.conv2d' में अलग-अलग प्रोटोटाइप हैं और हमेशा एक-दूसरे के अनुकूल नहीं होते हैं। –