TensorFlow不同AdagradOptimizer API关联及tensorflow.python库用途咨询

tensorflow.python库的用途 #

tensorflow.python是TensorFlow的底层核心实现目录，所有TensorFlow对外公开API的实际逻辑代码几乎都存放在这个路径下。
官方文档没有收录这个路径的相关说明，是因为该路径下的所有模块都属于内部实现细节，本身就不面向普通开发者开放使用。官方不会对该路径下的API做任何版本兼容性承诺，不同TensorFlow小版本之间，该路径下的代码结构、接口参数、类/方法命名都可能发生无预告的变更，直接导入使用很容易出现跨版本运行报错的问题。

三种导入API的关联 #

三种导入方式对应的API核心优化逻辑同源，区别只在于暴露层级和适配的使用场景：

• 第一种from tensorflow.python.training.adagrad import AdagradOptimizer是直接导入底层的原始实现类，是TensorFlow 1.x时期原生的Adagrad优化器的最底层代码，另外两种上层公开API的优化逻辑本质都是基于这个底层类做的引用或封装。
• 第二种from tf.compat.v1.train import AdagradOptimizer是TensorFlow 2.x版本提供的1.x兼容层公开导入路径，这个路径下的AdagradOptimizer就是对第一种底层类的直接引用，专门用于兼容TensorFlow 1.x的旧代码，功能、参数定义和1.x版本完全一致。
• 第三种from tf.keras.optimizers import Adagrad是TensorFlow 2.x官方推荐的标准公开导入路径，属于Keras生态的统一优化器接口。它的底层早期直接复用第一种的底层实现，后续版本做了适配Keras规范的封装调整，参数命名、调用方式都符合Keras的统一设计，同时适配了2.x的即时执行、tf.function等新特性，和前两种接口存在少量参数差异，但核心优化效果完全一致。

建议：日常开发不要使用第一种底层导入方式。如果维护TensorFlow 1.x的存量旧代码，使用第二种兼容层导入即可；如果是新开发的2.x项目，直接使用第三种Keras标准接口的导入方式即可。

内容的提问来源于stack exchange，提问作者user1269298