我正在尝试使用keras模型的一些示例，这些示例已经可用。大多数例子都是使用keras与tensorflow(或pytorch或theano)。由于有限的可用资源和成本削减，我使用plaidml与amd gpu一起工作。由于keras支持可插拔后端，我认为这可能不是问题。请分享您关于使用keras api和稍后插入所需后端的想法。我有这个问题，因为样本和这是使用来自tensorflow (import tensorflow.keras)的keras，我使用来自keras(import keras)的可插入后端。
img = tf.io.decode_png(img, channels=1)
# 3. Convert to float32 in [0, 1] range
img = tf.image.convert_image_dtype(img, tf.float32)
普通keras api有任何限制吗?
我刚刚使用PIL Image读取和转换图像。它的工作原理与不使用tensorflow api相同。无论后端如何，大多数keras api都可以使用。PlaidML也有一些警告，有一些功能，如CTC损失ctc_batch_cost找不到。我得到了一个错误，像
Keras后端函数'ctc_batch_cost'尚未在格子。您可以通过告诉我们这个功能是否可以帮助我们确定优先级对你很重要，一如既往，欢迎贡献!
有一些帖子，其中提供了一些示例实现，但它不是直接的。来自PLaidML的回应是，它可能不会很快可用。