我一直在寻找关于TensorFlow和Keras的信息。他们说TensorFlow运行在Keras之上，这意味着TensorFlow是Keras的“后端”。（尽管你也可以使用其他如Theano和CNTK）

这里的“后端”一词是否意味着它处理深度学习模型背后的所有数学过程？我是说，TensorFlow是处理复杂任务的，比如处理矩阵（张量），执行所有数学运算的部分？

另一方面，Keras只是我们创建模型所需的，对吗？一旦模型创建，它的“后端”就是TensorFlow，对吗？因为要让模型正常工作（如处理矩阵和执行所有数学运算），它需要一个“后端”，也就是TensorFlow。

这是我根据一些开放论坛和Keras的文档所理解的：

Keras是一个模型级别的库，提供用于开发深度学习模型的高级构建块。它本身不处理低级操作，如张量乘积、卷积等。相反，它依赖于一个专门的、优化良好的张量操作库来执行这些操作，作为Keras的“后端引擎”。

我的理解是否正确？如果您有其他答案，请指教我。

回答：

从TensorFlow的一个更高版本（1.8）以及所有后续和最新版本开始，Keras已被集成到TensorFlow中。

使用Keras的推荐方式是在TensorFlow中使用它，实际上，如果你要导入一个层，你应该像这样做 from tensorflow.keras import X, Y。

Keras确实是一个支持多个后端框架的高级API，比如Theano（顺便说一下，这个已经过时了）或MXNET等。

由于Keras更易于使用，很多人选择了Keras而不是TensorFlow，后者的学习曲线与Keras相比非常陡峭，因此TensorFlow决定将Keras集成到他们的框架中。

实际上，与此同时，Keras的创建者也加入了Google的开发团队，因此Keras被集成到了TensorFlow中。

如果你刚刚开始学习深度学习，确保你使用的是TensorFlow中的Keras。它更加健壮，错误更少。此外，Keras将进入维护模式（从2.3.X版本开始），不会再发布主要版本，只进行维护。