今天是第20天啦!整個鐵人賽走到現在我們使用了Keras成功做出了初階手寫數字辨識系統，大家一定很好奇，明明這30天應該是TersorFlow的主題呀，為何會扯到Keras呢?主要是因為TensorFlow與Keras很有關聯，今天來跟各位聊聊啦!

TensorFlow與Keras關聯性
其實TensorFlow與Keras可以說是一種相對的概念，Keras所扮演的角色是建立於TensorFlow架構上的高階API，在使用上來說，其實Keras會比TensorFlow簡單很多，這就是為何筆者會先以Keras起頭，因為學會Keras後，TensorFlow的初階自我養成其實就差的不遠了!再說，其實Keras的資料庫也一樣使用著TensorFlow，所以TensorFlow可以說是Keras的後端。
這邊有張示意圖:

上圖所示的其實就是TensorFlow的架構圖，由於TensorFlow是較為低階的API，所以許多模型並不像Keras一樣可以使用許多現成的資源
所以論兩者的比較，可以如下所示:

• 難易度的比較: 對初學者來說，Keras使用起來較為簡易
• 使用彈性的比較: 整體來說，TensorFlow彈性還是較高
• 開發生產力的比較: Keras的開發生產力因為許多現成的資源，所以較高
• 執行效能: TensorFlow與Keras的效能都很高
• 適合使用者: Keras適合初學者，TensorFlow適合專業人員
• 矩陣運算: Keras不需要使用者自行設計，但TensorFlow需要

所以為何筆者會先學習Keras再繼續TensorFlow?最重要的原因就是Keras較為容易上手，再進入TensorFlow一點也不遲喔!謝謝大家啦!

Reference: 林大貴(2019)：TensorFlow+Keras 深度學習人工智慧實務應用。新北市：博碩文化