tensorflow 没有Keras

TensorFlow 是一个开源的机器学习框架，广泛用于深度学习模型的开发和训练。Keras 则是 TensorFlow 的一个高级神经网络 API，它提供了一种更简单、更直观的方式来构建和训练神经网络模型。尽管 Keras 现在已经集成到 TensorFlow 中，并且可以作为 TensorFlow 的一个模块使用，但在早期版本中，Keras 是一个独立的库。

以下是一些关于 TensorFlow 和 Keras 的关键点：

1. **TensorFlow**：
- 是一个强大的机器学习框架，支持各种深度学习任务。
- 提供了底层的操作和工具，适合需要高度自定义和优化的场景。
- 支持分布式计算，可以在多个 GPU 和 TPU 上进行训练。

2. **Keras**：
- 是一个高级神经网络 API，旨在简化深度学习模型的构建和训练过程。
- 提供了一系列预定义的层、激活函数、优化器和损失函数，使得模型的构建更加直观。
- 现在已经集成到 TensorFlow 中，可以通过 `tf.keras` 来使用。

3. **集成后的使用**：
- 在 TensorFlow 2.x 中，Keras 已经集成到 TensorFlow 中，用户可以通过 `tf.keras` 直接使用 Keras 的功能。
- 集成的 Keras 保持了其简洁和易用的特点，同时可以利用 TensorFlow 的强大功能。

import tensorflow as tf

# 使用 tf.keras 构建一个简单的神经网络
model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=5)

# 评估模型
model.evaluate(x_test, y_test)