tensorflow.keras和keras的比较

tf.keras 与 keras 绝对兼容，但请注意：

• tf.keras 与 keras 版本相同时，才绝对兼容。可以通过 tf.keras.version.来查看 tf.keras 的版本。

• tensorflow和keras的兼容版本信息查看地址：
  Environments

• 保存模型参数时，tf.keras 默认保存成 checkpoint 格式。可以通过设置 save_format=‘h5’ 来保存成 HDF5 格式。

tf.keras是 Keras API 在 TensorFlow 里的实现。

• Keras 是一个高级 API，用于构建和训练模型，同时兼容 TensorFlow 的绝大部分功能，比如，eager execution，tf.data 模块，及 Estimators。

• tf.keras 使得 TensorFlow 更容易使用，且保持 TF 的灵活性和性能。

• 把import keras 换成from tensorflow import keras，所有功能都应该可以工作。反之则未必，因为tf.keras有一些keras不支持的特性。

Keras 特性

• keras本身并不具备底层运算的能力，所以它需要和一个具备这种底层运算能力的backend（后端）协同工作。

• keras的特性之一就是可以互换的后端，你在所有后端上写的keras代码都是一样的。从一个后端训练并存储的模型，可以用别的后端加载并运行。

tf.keras

• 一个不强调后端可互换性、和tensorflow更紧密整合、得到tensorflow其他组建更好支持、且符合keras标准的高层次API。

tf.keras与keras的选择

选择keras还是tf.keras呢？

• 如果你需要任何一个上述tf.keras的特有特性的话，那当然应该选择tf.keras。

• 如果后端可互换性对你很重要的话，那选择keras。

• 如果以上两条对你都不重要的话，那选用哪个都可以。

参考：
tf和keras二者关系
官方文档-中