在为我的新研究项目选择Keras (keras-team/keras) 和tf.keras (tensorflow/tensorflow/python/keras/) 时，我有点困惑。
有争论认为Keras不属于任何人，因此人们更乐意参与其中，并且将来管理该项目会容易得多。
另一方面， tf.keras归谷歌所有，因此测试和维护更加严格。此外，这似乎是利用 Tensorflow v.2 中出现的新功能的更好选择。
那么，开始一个数据科学（机器学习）项目（研究阶段），一开始都可以，你选择哪一个？！
来自Keras回购：
Keras 是一个高级神经网络 API，用 Python 编写，能够在 TensorFlow、CNTK 或 Theano 之上运行。
和
在安装 Keras 之前，请安装其后端引擎之一：TensorFlow、Theano 或 CNTK。我们推荐使用 TensorFlow 后端。
所以 Keras 是一个皮肤（一个 API）。TensorFlow 已决定将这个皮肤包含在自身内部，作为tf.keras. 由于 Keras 提供了 TensorFlow 已经实现的 API（除非 CNTK 和 Theano 超越 TensorFlow，这不太可能），tf.keras因此在 API 多样性方面会跟上 Keras。因此，我建议使用tf.keraswhich 让您只参与一个更高质量的回购。而不是两个，这意味着更少的头痛。
你选哪一个？！
tf.keras.
François Chollet 的这条推文建议使用tf.keras。
我们建议您将 Keras 代码切换到 tf.keras。
Theano 和 CNTK 都没有开发。同时，作为 Keras 后端，它们仅占 Keras 使用量的不到 4%。其他 96% 的用户（其中一半以上已经在 tf.keras 上）使用 tf.keras 得到了更好的服务。
Keras 的开发将集中在 tf.keras 上。
重要的是，我们将寻求在 keras-team/keras 自己的独立 GitHub 存储库中开始开发 tf.keras，以使第 3 方人员更容易做出贡献。
Keras 的发展速度从未像现在这样快