La ventaja que Keras le brinda como marco de alto nivel es que viene repleto de utilidades para cargar datos fácilmente, construir el modelo apilando las capas como bloques de Lego y especificar cómo le gustaría entrenar. Para usar TensorFlow como back-end, suponiendo que tenga instalado TensorFlow, solo necesita asegurarse de que los archivos de configuración de Keras especifiquen TensorFlow como back-end.
Todo esto es posible porque Keras es de diseño modular y tiene muchas utilidades auxiliares, por lo que sí, en ese sentido, es fácil entrenar un modelo con Keras.
Pero como Chomba ha señalado, para los casos en que el conjunto de datos es grande o el modelo es complejo, luchar contra Keras para que se realice el entrenamiento podría ser más lento y sería mejor trabajar con TensorFlow y usar Pandas para cargar / manipule sus datos o incluso cree sus propios generadores de datos.
- ¿Ha publicado Factual.com algún trabajo de investigación (o algún asunto técnico importante) sobre las técnicas de aprendizaje automático que utilizan para rastrear y extraer de la web?
- Cómo saber si, durante el entrenamiento de un modelo de aprendizaje profundo, está en camino de encontrar un mínimo local mejor o no
- ¿Existe una definición matemática para una máquina de vectores de soporte?
- ¿Cuál es el mejor lenguaje de programación para implementar algoritmos de aprendizaje automático?
- Cómo mejorar en Machine Learning y PNL
La mayor parte del tiempo entrenar en Keras será muy fácil, pero tenga en cuenta los escenarios en los que Keras no es ideal y sería mejor usar TensorFlow.