我是一个使用 TensorFlow 两年多的用户，最近一直在使用 Estimators，而且觉得很赞，但是现在有一点很让我疑惑：
我到底应该使用 使用 tf.keras 还是 还是 Estimators？
这两个都是高层 API，目前的形势是 TensorFlow 在强烈推广 推广 tf.keras，而且还打算在 2.0 的时候默认启用 eager 执行模式和丢弃 tf.layers 模块！这就让我更疑惑了，TensorFlow 是要放弃 Estimators 吗？
提问人：Alan , 2018-9-21 16:37:03
我觉得差不多要凉了 hhh，也不知道是不是我孤陋寡闻，，到现在我都没用过 estimator
ViolinSolo 发表于 2018-9-23 15:00:28
Keras 作者好像有说过，Keras 并入 Tensorflow 的最大好处，是可以用到 tensorflow 的一些功能，比如… ‘和 Estimator 一起用，来进行分布式训练’。
树涛 发表于 2018-9-26 09:25:55
上次去谷歌参加活动，问了下 Tensorflow 的一个开发者 Frank Chen，说是最佳实践将会是使用 Keras，不过目前 Keras 暂不支持分布式训练，可能在 TF 1.12 或者 TF 2.0 里面出来。
谷歌主推 Keras。
树涛, 2018-10-8 17:51
之前 TensorFlow 大力推广 Estimators，Estimators 已经做了很多优化，包括和 serving 搭配使用简直不能太方便，要放弃不太科学吧？
还是希望官方开发者来回答下，我在公众号问让我来这问，结果还是没人
Alan 发表于 2018-9-27 10:20:50
都可以吧
薄荷 发表于 2018-9-27 14:58:51
我个人的理解是 estimator 的初衷是适合进行分布式训练，并方便的把训练后的模型进行部署。现在大推 keras 是因为 tf.keras 对 eager execution 的支持非常好，所以官方推荐这两者结合用来构建动态图模型，以降低新手入门静态图 API 的学习成本。
keras model 可以转换成 estimator 进行训练，并且 estimator 跟 keras model 都可以接受 tf.data.Dataset 作为输入，所以官方推荐 Enable eager execution for debugging Estimator input functions and inspecting data。
我的理解是官方推荐用 keras 搭配 eager 构建模型并 debug，最后有 production 需求的再用 estimator API 进行训练 / 部署。
livernana 发表于 2018-10-1 10:59:48
建议 keras
舟 3332 发表于 2018-10-15 18:37:46