为简单起见，我将在keras和tf.keras中使用两个版本的代码。这里的示例是一个简单的神经网络模型，其中包含不同的层。

在Keras（v2.1.5）

from keras.models import Sequential
from keras.layers import Dense

def get_model(n_x, n_h1, n_h2):
    model = Sequential()
    model.add(Dense(n_h1, input_dim=n_x, activation='relu'))
    model.add(Dense(n_h2, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(4, activation='softmax'))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    print(model.summary())
    return model

在tf.keras （v1.9）中

import tensorflow as tf

def get_model(n_x, n_h1, n_h2):
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Dense(n_h1, input_dim=n_x, activation='relu'))
    model.add(tf.keras.layers.Dense(n_h2, activation='relu'))
    model.add(tf.keras.layers.Dropout(0.5))
    model.add(tf.keras.layers.Dense(4, activation='softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    print(model.summary())

    return model

或者可以通过以下方式而不是上述方式导入

from tensorflow.keras.layers import Dense

tf.keras的官方文档

注意：TensorFlow版本为1.9

使用来自tensorflow的keras模块，如下所示：

import tensorflow as tf

导入类

from tensorflow.python.keras.layers import Input, Dense

或直接使用

dense = tf.keras.layers.Dense(...)

编辑Tensorflow 2

from tensorflow.keras.layers import Input, Dense

其余的保持不变。

尝试from tensorflow.python import keras

这样一来，您可以轻松地将与keras相关的代码更改为tensorflow。

您也可以from tensorflow.contrib import keras尝试。这适用于tensorflow 1.3

编辑：对于tensorflow 1.10及更高版本，您可以使用import tensorflow.keras as keras来获取import tensorflow.keras as keras 。