Keras – 简介
深度学习是机器学习框架的主要子领域之一。机器学习是对算法设计的研究,其灵感来源于人脑模型。深度学习在机器人、人工智能(AI)、音频和视频识别以及图像识别等数据科学领域越来越受欢迎。人工神经网络是深度学习方法论的核心。深度学习由各种库支持,如Theano、TensorFlow、Caffe、Mxnet等,Keras是最强大和最容易使用的python库之一,它建立在流行的深度学习库如TensorFlow、Theano等之上,用于创建深度学习模型。
Keras的概述
Keras运行在TensorFlow、Theano或Cognitive Toolkit(CNTK)等开源机器库的基础上。Theano是一个用于快速数值计算任务的python库。TensorFlow是最著名的符号数学库,用于创建神经网络和深度学习模型。TensorFlow非常灵活,主要优点是分布式计算。CNTK是由微软开发的深度学习框架。它使用Python、C#、C++或独立的机器学习工具包等库。Theano和TensorFlow是非常强大的库,但对于创建神经网络来说很难理解。
Keras基于最小的结构,为创建基于TensorFlow或Theano的深度学习模型提供了一个干净而简单的方法。Keras被设计用来快速定义深度学习模型。那么,Keras是深度学习应用的一个最佳选择。
特点
Keras利用各种优化技术,使高水平的神经网络API更容易、更有性能。它支持以下特点—
- 一致的、简单的和可扩展的API。
-
最小的结构–容易实现结果,没有任何修饰。
-
它支持多种平台和后端。
-
它是用户友好的框架,在CPU和GPU上都能运行。
-
计算的高度可扩展性。
优点
Keras是高度强大和动态的框架,具有以下优势
-
更大的社区支持。
-
易于测试。
-
Keras神经网络是用Python编写的,这使得事情变得更加简单。
-
Keras同时支持卷积和递归网络。
-
深度学习模型是离散的组件,因此,你可以组合成许多方式。