没有tf.keras的tf2.0中的构建模型和估计量

Question

鉴于Layer API已被弃用，如何在不使用tf.keras的情况下在tf2中构建模型（或推荐的构建模型的方法是什么？问题#30829有相同的问题，但已关闭，没有任何答案。

更新：

我可以使用tf.keras.layers而不是tf.layers，但是当我构建完所有图层并需要返回模型后，是否可以NOT使用keras模型，进行编译，拟合，预测和评估，并且只是按照张量流的方式进行？

如果您想知道为什么我想做这样的事情，那就是我想使用估计量来训练，而不是使用keras的fit函数。存在keras_model_to_estimator，但似乎不是keras_model_to_estimatormatureenough

Answer 1

Google发布了从TF 1到TF 2的迁移指南，yet。

推荐的建模方式

[section Converting Models建议将Guide (section "Models based on tf.layers")模型转换为tf.layers：

转换是一对一的，因为从v1.layers到tf.keras.layers有直接映射。

构建没有Keras的模型

该选项是提供自己的层实现（指南中的示例）：

tf.keras.layers

但是值得考虑

W = tf.Variable(tf.ones(shape=(2,2)), name="W")
b = tf.Variable(tf.zeros(shape=(2)), name="b")

@tf.function
def forward(x):
  return W * x + b

out_a = forward([1,0])
print(out_a)

（tf.keras.layers.Layer），它具有一定程度的自由度，但与Keras的其余部分（以及它的层）集成在一起。

即使使用example编写的图层，您也可以编写自己的训练循环（tf.keras）。

总而言之，实际上TF 2.0要求您使用example。