深度學習是機器學習的主要子領域之一。

機器學習是對算法設計的研究，其靈感來自于人腦模型。深度學習在機器人、人工智能(AI)、音頻和視頻識別和圖像識別等數(shù)據科學領域變得越來越流行。

人工神經網絡是深度學習方法論的核心。深度學習得到了Theano、TensorFlow、Caffe、Mxnet等各種庫的支持。

Keras 是最強大且易于使用的 Python 庫之一，建立在流行的深度學習庫（如 TensorFlow、Theano等）之上，用于創(chuàng)建深度學習模型。

概述

Keras 運行在開源機器庫之上，例如 TensorFlow、Theano 或 Cognitive Toolkit(CNTK)。

• Theano 是一個用于快速數(shù)值計算任務的 Python 庫。
• TensorFlow 是最著名的符號數(shù)學庫，用于創(chuàng)建神經網絡和深度學習模型。TensorFLow 非常靈活，主要優(yōu)勢是分布式計算。
• CNTK 是微軟開發(fā)的深度學習框架。它使用 Python、C#、C++ 或獨立機器學習工具包等庫。

Theano 和 TensorFlow 都是非常強大的庫，但是不好理解如何應用于創(chuàng)建神經網絡。

Keras 基于最小結構，它提供了一種干凈且簡單的方法來創(chuàng)建基于 TensorFlow 或 Theano 的深度學習模型。Keras 旨在快速定義深度學習模型?？梢哉f，Keras 是深度學習應用的最佳選擇。

特征

Keras 利用各種優(yōu)化技術使高級神經網絡 API 更簡單、更高效。它支持以下功能：

• 一致、簡單和可擴展的API。
• 最小的結構，無需任何裝飾即可輕松實現(xiàn)結果。
• 它支持多個平臺和后端。
• 它是用戶友好的框架，可以在 CPU 和 GPU 上運行。
• 計算的高度可擴展性。

優(yōu)勢

Keras 是非常強大和動態(tài)的框架，并具有以下優(yōu)點：

• 更大的社區(qū)支持。
• 易于測試。
• Keras 神經網絡是 Python 編寫的，這讓事情變得更簡單。
• Keras 支持卷積和循環(huán)網絡。
• 深度學習模型是離散的組件，因此，你可以組合成多種方式。