Perbedaan keras dan tensorflow

Penjelasan beserta analogi singkat perbedaan keras dan tensorflow

TensorFlow adalah salah satu dari beberapa library yang dikhususkan untuk melakukan perhitungan matriks multidimensi (yang mana disebut juga “tensor”) secara optimal. Penerapan paling dominan library ini adalah untuk membangun jaringan syaraf tiruan (neural networks) yang di dalamnya penuh dengan operasi matriks[1].

Sedangkan Keras adalah library neural networks yang bersifat high level dan “dibentuk di atas” library lain. Dia membutuhkan library pengolah tensor sebagai backend-nya. Keras menyediakan beberapa opsi backend yang bisa digunakan, dan ya, seperti yang Anda duga, salah satunya adalah TensorFlow[2].

Cukup dari penjelasan di atas, mungkin sudah bisa tergambarkan keunggulan TensorFlow dibanding Keras.

Belum? Oke, lanjut.

Saya gunakan analogi untuk mempermudah (walaupun tidak sepenuhnya akurat).

Bayangkan Anda ingin memasak mie goreng (arsitektur neural networks). Ada dua opsi di pikiran Anda tentang bagaimana Anda bisa membuat mie goreng tersebut, apakah dengan mie instan (Keras), atau Anda pilih sendiri bahan-bahannya, mulai jenis mie beserta segala jenis bumbu-bumbunya (TensorFlow).

Ketika Anda memilih bahan-bahannya sendiri, Anda memiliki kontrol penuh terhadap variasi mie yang bisa Anda buat dibanding dengan mie instan yang siap masak tetapi minim variasi.

Kesimpulan:

Jika Anda mengetahui dengan jelas arsitektur neural networks seperti apa yang Anda inginkan, Anda mungkin perlu terjun langsung ke TensorFlow. Sedangkan Keras lebih diutamakan untuk fast prototyping, di mana Anda ingin melakukan eksperimen terhadap ide-ide Anda dan melihat hasilnya dengan cepat.

Catatan Kaki

[1] TensorFlow

[2] Keras Documentation

Referensi : https://id.quora.com/Apa-keunggulan-dari-Tensorflow-jika-dibandingkan-dengan-Keras