keras中文文档_深度学习——keras教程系列基础知识

大家好，本期我们将开始一个新的专题的写作，因为有一些小伙伴想了解一下深度学习框架Keras的知识，恰好本人也会一点这个知识，因此就开始尝试着写一写吧。本着和大家一起学习的态度，有什么写的不是很好的地方还请大家多多指教。这里我默认大家已经搭建好了深度学习的实践环境了。

一、Keras介绍

关于什么是深度学习，我这里就不多说明了，大家Google就能知道答案。关于深度学习的框架有很多:Tensorflow、Keras、PyTorch、 MXNet、PaddlePaddle等等，那么为什么我这里就开讲Keras呢，因为它简洁好用啊。

它的简洁在于:Keras是一个高级深度学习API，使用Python语言进行编写的。Keras能够在TensorFlow、Theano或CNTK上运行，这个意思就是Keras的后端引擎可以是这三者之一，用户可以进行显式的选择。重要的是Keras提供了一个简单和模块化的API来构建和训练我们需要的神经网络，比如卷积神经网络，循环神经网络等等。还有一个优点就是使用Keras可以不用关心大部分函数实现的复杂细节，可真的太棒了。

Keras有四个特性:模块性、易扩展、用户友好和基于Python，以下的介绍来自Keras的中文文档。

• 模块化。模型被理解为由独立的、完全可配置的模块构成的序列或图。这些模块可以以尽可能少的限制组装在一起。特别是神经网络层、损失函数、优化器、初始化方法、激活函数、正则化方法，它们都是可以结合起来构建新模型的模块。
• 易扩展性。新的模块是很容易添加的（作为新的类和函数），现有的模块已经提供了充足的示例。由于能够轻松地创建可以提高表现力的新模块，因此其更加适合高级研究。
• 用户友好。Keras 是为人类而不是为机器设计的 API。它把用户体验放在首要和中心位置。Keras 遵循减少认知困难的最佳实践：它提供一致且简单的 API，将常见用例所需的用户操作数量降至最低，并且在用户错误时提供清晰和可操作的反馈。
• 基于 Python 实现。Keras 没有特定格式的单独配置文件。模型定义在 Python 代码中，这些代码紧凑，易于调试，并且易于扩展。