深度学习：Keras入门(一)之基础篇

 

1.关于Keras

        1）简介          

         Keras是由纯python编写的基于theano/tensorflow的深度学习框架。

         Keras是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果，如果有如下需求，可以优先选择Keras：

                a）简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）

                b）支持CNN和RNN，或二者的结合

                c）无缝CPU和GPU切换

         2）设计原则

               a）用户友好：Keras是为人类而不是天顶星人设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践：Keras提供一致而简洁的API， 能够极大减少一般应用下用户的工作量，同时，Keras提供清晰和具有实践意义的bug反馈。

               b）模块性：模型可理解为一个层的序列或数据的运算图，完全可配置的模块可以用最少的代价自由组合在一起。具体而言，网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块，你可以使用它们来构建自己的模型。

              c）易扩展性：添加新模块超级容易，只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得Keras更适合于先进的研究工作。

              d）与Python协作：Keras没有单独的模型配置文件类型（作为对比，caffe有），模型由python代码描述，使其更紧凑和更易debug，并提供了扩展的便利性。

2.Keras的模块结构

3.使用Keras搭建一个神经网络

4.主要概念

   1）符号计算

        Keras的底层库使用Theano或TensorFlow，这两个库也称为Keras的后端。无论是Theano还是Ten