Keras教程![]() Keras是一个开源的高级神经网络库,它是用Python编写的,能够在Theano、TensorFlow或CNTK上运行。它是由谷歌的一位工程师弗朗索瓦·夏勒特开发的。它是用户友好的,可扩展的,模块化的,以促进更快的实验与深度神经网络。它不仅单独支持卷积网络和循环网络,而且还支持它们的组合。 它不能处理低级的计算,因此它使用后端库来解决它。后端库充当低级API的高级API包装器,允许它在TensorFlow、CNTK或Theano上运行。 最初,它在发布时有超过4800名贡献者,现在已经增加到25万名开发者。从那以后,它每年都以2倍的速度增长。像微软、谷歌、NVIDIA和亚马逊这样的大公司都积极地为Keras的开发做出了贡献。它有一个惊人的行业互动,它被用于流行公司的发展,如Netflix, Uber,谷歌,Expedia等。 是什么让Keras如此特别?
Keras用户体验
Keras是如何支持多后端、多平台的?Keras可以用R开发,也可以用Python开发,这样代码就可以根据需求使用TensorFlow、Theano、CNTK或MXNet运行。Keras可以在CPU, NVIDIA GPU, AMD GPU, TPU等上运行。它确保使用Keras生产模型是非常简单的,因为它完全支持运行TensorFlow服务,GPU加速(WebKeras, Keras.js), Android (TF, TF Lite), iOS (Native CoreML)和树莓派。 Keras后端作为一个模型级库,Keras通过提供高级构建块来帮助开发深度学习模型。所有的底层计算,如张量的乘积、卷积等,都不是由Keras自己处理的,而是依赖于一个专门的张量操作库,该库经过了很好的优化,可以作为后端引擎。Keras很好地处理了这个问题,而不是合并一个单一的张量库并执行与该张量库相关的操作,而是将不同的后端引擎插入Keras。 Keras由三个后端引擎组成,分别是:
Keras的优点Keras包含以下优点:
缺点Keras
先决条件本Keras教程针对初学者和专业人士,帮助他们理解Keras的基本概念。在完成本教程之后,您将发现自己处于一个中等水平的专业知识,从那里您可以将自己带到下一个级别。 观众由于Keras是一个深度学习的高级库,因此您需要拥有实际操作的Python语言以及神经网络的基本知识。 问题我们向您保证,在本教程中您不会发现任何困难。如果您有疑问,或者在本教程中发现了任何错误,请通过在联系表单中发帖让我们知道,以便我们进一步改进。
下一个话题
在Anaconda中安装Keras库
|