选自pyimagesearch
作者：AdrianRosebrock
参与：王子嘉、张倩
随着TensorFlow2.0的发布，不少开发者产生了一些疑惑：作为Keras用户，TensorFlow2.0的发布跟我有关系吗？TensorFlow中的tf.keras和Keras有什么区别？我该用哪一个训练神经网络？在本文中，作者给出的答案是：你应该在以后所有的深度学习项目和实验中都使用tf.keras。
通过本教程，你可以了解Keras和tf.keras之间的区别，以及TensorFlow2.0的新特性。本教程的灵感来自于上周二我在PyImageSearch阅读器上收到的一封邮件。
一位名叫Jeremiah的读者问道：
你好，Adrian，我看到TensorFlow2.0在几天前发布了。而且TensorFlow开发人员似乎正在推广Keras，或者应该叫tf.keras，希望将它作为TensorFlow2.0中的推荐高级API。但是我觉得Keras包应该是自己独立的呀？我在训练自己的网络时，会纠结于该使用哪个「Keras」。其次，有必要升级到TensorFlow2.0吗？我在深度学习博客中看到了一些有关TensorFlow2.0的教程，但是对于刚刚提到的那些困惑，我不知道该从何处着手去解决。你能给我一些启示吗？
其实，TensorFlow2.0发布之后，许多像Jeremiah这样的深度学习从业人员都在挠头：
作为Keras用户，TensorFlow2.0对我来说意味着什么？我应该使用keras软件包来训练自己的神经网络，还是在TensorFlow2.0中使用tf.keras子模块？作为一个Keras用户，TensorFlow2.0有哪些值得