第十二节:Keras深度学习框架实战之结束语

BBM的开源HUB

已于 2022-05-31 23:37:41 修改

阅读量195

点赞数

分类专栏： Keras深度学习框架详解文章标签： keras 深度学习人工智能

于 2022-05-31 23:36:17 首次发布

本文链接：https://blog.csdn.net/chengxuquan/article/details/123764706

版权

Keras深度学习框架详解专栏收录该内容

12 篇文章 1 订阅 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

本文总结了Keras深度学习框架的课程，强调了Keras作为TensorFlow的高级前端，提供了简单易用的接口。文章提到了TensorFlow 2.0的特性，并对比了PyTorch的动态计算图特点。最后，作者推荐了一个基于Keras的传染病传播趋势预测比赛，鼓励读者实践并提升深度学习技能。

摘要由CSDN通过智能技术生成

总结我们这次有关keras的课程，主要还是从初学者角度，着重介绍基础的知识介绍给小伙伴们，其目的在于你可以完全上手进行开发。TensorFlow 是众多优秀的机器学习和深度学习框架中最成熟的一个，也是研究论文中引用最多的一个，而且在生产中的使用效果也很好。它可能不是最容易学习的框架，但随着 TensorFlow 2的到来，TensorFlow 的门槛也没有 2016 年那般高了。

TensorFlow 2.0 官网对该项目的描述为：“端到端的开源机器学习平台。”，谷歌通过“平台”提供了一个包含工具、库以及社区资源的全方位生态系统，研究人员可以利用这个平台“推动机器学习达到最高水准”，而开发人员则可以利用这个平台轻松构建和部署基于 AI 的应用程序。

Keras 是用于构建神经网络模型的高级前端规范和实现。Keras 支持三种后端深度学习框架：TensorFlow、CNTK 和 Theano。亚马逊在全力为Keras 开发 MXNet 后端。你也可以使用 PlaidML（一个独立的项目）作为Keras 的后端，利用 PlaidML 的 OpenCL 支持所有 GPU 的优势。

TensorFlow是Keras的默认后端，在很多情况下我们也推荐使用TensorFlow，包括通过 CUDA 和 cuDNN 在 Nvidia 硬件上实现 GPU 加速，以及利用 Google Cloud 中的 Tensor 处理单元加速等。Keras 除了可以单独安装之外，Tensor