我已经使用Keras工作了一周左右。我知道Keras可以使用TensorFlow或Theano作为后端。在我的情况下，我使用的是TensorFlow。

所以我在想：有没有一种方法可以用Keras编写一个神经网络，然后打印出TensorFlow中的等效版本？

最小可行示例

例如，假设我编写了以下代码：

    # 创建序列模型
    model = Sequential()
    # 添加层
    model.add(Dense(100, input_dim = (10,), activation = 'relu'))
    model.add(Dense(1, activation = 'linear'))
    # 编译模型
    model.compile(optimizer = 'adam', loss = 'mse')
    # 拟合
    model.fit(Xtrain, ytrain, epochs = 100, batch_size = 32)
    # 预测
    ypred = model.predict(Xtest, batch_size = 32)
    # 评估
    result = model.evaluate(Xtest)

这段代码可能有错误，因为我刚开始，但我认为你明白我的意思。

我想做的是编写这段代码，运行它（或者甚至不运行），然后有一个函数或其他东西可以生成Keras用来执行所有这些计算的TensorFlow代码。

回答：

首先，让我们澄清一下问题中的一些语言。TensorFlow（和Theano）使用计算图来执行张量计算。所以，当你问是否有办法在TensorFlow中“打印出等效版本”，或者“生成TensorFlow代码”时，你真正问的是，如何从Keras模型中导出TensorFlow图？

正如Keras作者在这个线程中所说，

当你使用TensorFlow后端时，你的Keras代码实际上是在构建一个TF图。你可以直接获取这个图。

Keras只使用一个图和一个会话。

然而，他链接到一个现在已经过时的教程。但基本概念没有改变。

我们只需要做以下几件事：

• 获取TensorFlow会话
• 从TensorFlow会话中导出计算图

使用Keras实现

keras_to_tensorflow存储库包含了一个在iPython笔记本中如何从Keras导出模型以在TensorFlow中使用的简短示例。这基本上是使用TensorFlow。这不是一个写得清楚的示例，但作为资源抛出来。

使用TensorFlow实现

事实证明，我们实际上可以从TensorFlow本身获取Keras正在使用的TensorFlow会话，使用tf.contrib.keras.backend.get_session()函数。这做起来非常简单 – 只需导入并调用。这将返回TensorFlow会话。

一旦你有了TensorFlow会话变量，你可以使用SavedModelBuilder来保存你的计算图（TensorFlow文档中使用SavedModelBuilder的指南和示例）。如果你想知道SavedModelBuilder是如何工作的，它实际上给你什么，Github仓库中的SavedModelBuilder自述文件是一个很好的指南。

P.S. – 如果你计划大量使用TensorFlow + Keras的组合，可以看看tf.contrib.keras中可用的其他模块