必备Keras提示：
1. 在急切执行模式下进行调试/原型制作。您可以使用PyTorch后端进行原型设计，或者如果您仅考虑一个层或前向传递，甚至可以使用NumPy后端（NumPy不支持梯度/训练）。使用JAX或TF时，请确保使用run_eagerly=True，以便于调试的急切执行。
2. 当真正开始训练时，通常切换到JAX后端是个好主意，它提供了最先进的性能（至少比PT快10%，尤其是对于基于Transformer的模型，通常快达3倍）。请注意，XLA编译的TF性能也非常有竞争力。TF通常也比JAX或PT更节省内存。
3. 如果您正在寻找模型的最佳可实现性能（无论是训练还是推断），请尝试所有可能的后端，并坚持使用最快的一个。最快的后端可能并不总是JAX！
4. 对于TPU或GPU集群上的大规模数据/模型并行性，请始终使用JAX后端，配合keras.distribution API（例如，使用keras.distribution.ModelParallel来指定分片配置）。与其他所有选项（尤其是非JAX选项）相比，这将为您节省很多麻烦。
