Keras 是一個Python深度學習框架，可以方便地定義和訓練幾乎所有類型地深度學習模型。Keras最開始是為研究人員開發的，其目的在于快速實驗

keras具有以下重要特性：

1.相同的代碼可以在CPU或GPU上無縫切換運行

2.具有用戶友好的API，便于快速開發深度學習模型的原型

3.內置支持卷積網絡（用于計算機視覺）、循環網絡（用于序列處理）以及二者的任意組合。

4.支持任意網絡架構：多輸入或多輸出模型、層共享、模型共享等。

1.1Keras\TensorFlow\Theano\CNTK

keras是一個模型級的庫，為開發深度學習模型提供了高層次的構建模塊。它依賴一個專門的、高度優化的張量庫來完成這些運算，這個張量庫就是Keras的后端引擎。Keras有三個后端實現:TensorFlow后端、Theano后端和微軟認知工具包（CNTK）。這三個不同的后端引擎都可以無縫嵌入到Keras中。

通過TensorFlow,Keras可以在CPU和GPU上無縫運行，在CPU上運行時，TensorFlow本身封裝了一個低層次的張量運算庫，叫做Eigen;在GPU上運行時，TensorFlow封裝了一個高度優化的深度學習運算庫，叫做NVIDIA CUDA深度卷積神經網絡（cuDNN）。

1.2使用Keras開發：概述

典型的Keras工作流程：

（1）定義訓練數據：輸入張量和目標張量

（2）定義層組成的網絡，將輸入映射到目標

（3）配置學習過程：選擇損失函數、優化器和需要監控的指標

（4）調用模型的fit方法在訓練數據上進行迭代

?

定義模型有兩種方法：

1.一種是Sequential類定義的兩層模型（僅用于層的線性堆疊）

2.下面是函數式API定義的相同模型

?

?

配置學習過程就是在編譯這一步，你需要指定模型使用的優化器和損失函數，以及訓練過程中想要監控的指標。

最后，學習過程就是通過fit()方法將輸入數據的Numpy數組傳入模型。

?

本文選自《python深度學習》

總結

以上是生活随笔為你收集整理的Keras简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。