No estoy seguro de cómo interpretar la pregunta. Keras no va a cambiar nada como reacción al lanzamiento de TF-Slim.
TF-Slim es azúcar sintáctico para simplificar la definición de convnets en TensorFlow. Es genial en eso, hace que la definición de convnet sea realmente fácil, tan fácil como en Keras en realidad. Pero a diferencia de Keras, no es un marco de aprendizaje profundo, ni puede evolucionar hacia uno en el futuro (salvo una reescritura completa) ya que adolece de decisiones limitadas de diseño, siendo la más importante el hecho de que es puramente funcional, que evita que el usuario acceda a tensores intermedios o pesos de capa.
Nuevamente: TF-Slim es una sintaxis simplificada para definir convnets en TensorFlow. No compite con Keras, porque los alcances de Keras y TF-Slim son bastante diferentes. Echemos un vistazo.
- ¿Qué es un núcleo universal en el contexto del aprendizaje automático?
- Cómo construir la matriz del núcleo para un polinomio de grado finito
- ¿Cuáles son algunas aplicaciones potenciales del seguimiento de objetos depredadores (nuevo algoritmo)?
- ¿Cuáles son algunos ejemplos de inteligencia artificial en sitios web?
- ¿Pueden las redes neuronales profundas resolver problemas NP-Hard?
Aquí está la lista de problemas que resuelve TF-Slim:
- definiendo las redes TensorFlow.
Aquí está la lista de problemas que Keras resuelve:
- definiendo TensorFlow o Theano convnets.
- definiendo TensorFlow o Theano RNNs. Tenga en cuenta que el rendimiento de RNN es generalmente superior en Theano, que es una de las razones por las cuales Theano importa.
- definiendo mezclas de RNNs y convnets, en TensorFlow o Theano.
- gestionar modelos como gráficos de capas, por ejemplo, acceder a pesos de cualquier capa, acceder a salidas intermedias de cualquier capa.
- compartir pesos de capas, compartir pesos de modelos y, en general, crear modelos componiendo modelos existentes (por ejemplo, modelo de lenguaje + modelo de visión = modelo de subtítulos).
- carga de peso topológica, carga de peso parcial (características clave para usar pesos pre-entrenados en solo una parte de un modelo compuesto).
- …y muchos más.