我对Keras与其他TF Wrappers（如Tensorpack）的训练表现有疑问。
在a Q&A session期间，Keras的作者表示该软件包没有性能成本：
Keras提供了一种更简单，更快捷的方法来在TensorFlow中构建和训练模型，因为模型仍由相同的TensorFlow引擎运行，因此无需性能成本。
另一方面，Tensorpack github声称它比Keras快2倍，即使有一个微小的CNN：
Tensorpack培训师几乎总是比基于feed_dict的包装更快。即使在一个微小的CNN示例中，训练的运行速度也比同等的Keras代码快2倍。
所以现在我想知道以下内容：谁是对的？在训练中，两倍对我来说非常重要。
我是tensorpack的作者。主要性能改进的原因在文档的输入管道页面中进行了总结：http://tensorpack.readthedocs.io/en/latest/tutorial/input-source.html这些参数适用于单GPU培训案例。对于多GPU培训，我们可以提高性能，以匹配Google的基准代码。
@jdehesa的答案是不对的，我们从不使用TFRecord来读取数据（尽管它能够这样做，但我没有看到太多的优势）。您可以通过纯Python阅读所有内容并获得此速度。
此外，2倍加速可能有点过时，我知道Keras一直在减少框架开销方面做出改进。