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。