- Keras 教程
- Keras - 主页
- Keras - 简介
- Keras - 安装
- Keras - 后端配置
- Keras - 深度学习概述
- Keras - 深度学习
- Keras - 模块
- Keras - 层
- Keras - 定制层
- Keras - 模型
- Keras - 模型编译
- Keras - 模型评估和预测
- Keras - 卷积神经网络
- Keras - 使用 MPL 进行回归预测
- Keras - 使用 LSTM RNN 进行时间序列预测
- Keras - 应用程序
- Keras - 使用 ResNet 模型进行实时预测
- Keras - 预训练模型
- Keras 有用资源
- Keras - 快速指南
- Keras - 有用的资源
- Keras - 讨论
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，其灵感来自于人脑模型。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变得越来越流行。人工神经网络是深度学习方法的核心。深度学习受到 Theano、TensorFlow、Caffe、Mxnet 等各种库的支持，Keras 是最强大且易于使用的 Python 库之一，它构建在 TensorFlow、Theano 等流行的深度学习库之上。 ，用于创建深度学习模型。
Keras 概述
Keras 运行在 TensorFlow、Theano 或 Cognitive Toolkit (CNTK) 等开源机器库之上。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，主要好处是分布式计算。CNTK是微软开发的深度学习框架。它使用 Python、C#、C++ 等库或独立的机器学习工具包。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，提供了一种干净、简单的方法来创建基于 TensorFlow 或 Theano 的深度学习模型。Keras 旨在快速定义深度学习模型。那么，Keras 是深度学习应用的最佳选择。
特征
Keras 利用各种优化技术使高级神经网络 API 变得更简单、性能更高。它支持以下功能 -
一致、简单且可扩展的 API。
最小的结构 - 无需任何装饰即可轻松实现结果。
它支持多个平台和后端。
它是一个用户友好的框架，可以在 CPU 和 GPU 上运行。
计算的高度可扩展性。
好处
Keras 是一个非常强大和动态的框架，具有以下优点 -
更大的社区支持。
易于测试。
Keras 神经网络是用 Python 编写的，这使得事情变得更简单。
Keras 支持卷积网络和循环网络。
深度学习模型是离散组件，因此可以以多种方式组合。