KerasがCNTKに対応したことは以前書きました。 CentOSからKeras with CNTK backendを動かす これでKerasはTheano、TensorFlow、CNTKをバックエンドにして、同じプログラムで違うフレームワークを使うことができるようになりました。 Kerasのバックエンドが増える利点は、環境変数を変更するだけでフレームワークを入れ換えて学習することができる点だと思います。 フレームワークを変えても、プログラムが同じであればニューラルネットワークのモデル自体は(たぶん)変わりませんが、精度やスピードが多少変わったりします。 または、各フレームワークで学習したモデルをアンサンブルして推論するということも可能です。 複数フレームワークのアンサンブルを思いついたので、実際にやってみました。 プログラムやKubernetesのymlは以下にあります。 https:/
![KerasとKubernetesによるディープラーニングの並列学習 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/1fdeb29de93ef2e05397a04ce40268f68e146887/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9S2VyYXMlRTMlODElQThLdWJlcm5ldGVzJUUzJTgxJUFCJUUzJTgyJTg4JUUzJTgyJThCJUUzJTgzJTg3JUUzJTgyJUEzJUUzJTgzJUJDJUUzJTgzJTk3JUUzJTgzJUE5JUUzJTgzJUJDJUUzJTgzJThCJUUzJTgzJUIzJUUzJTgyJUIwJUUzJTgxJUFFJUU0JUI4JUE2JUU1JTg4JTk3JUU1JUFEJUE2JUU3JUJGJTkyJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWNsaXA9ZWxsaXBzaXMmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0zMTlkYWExZmRmYTA3MDBhNzhkYWJiNzNkY2FhNzdiMw%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwY3Z1c2smdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWRmZTU3MzgzNjZmZWU4NmU2NzE0MjZmZmFjODg0MmY4%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D6eb9e26d4b550588760156c1003bb522)