什么是Keras？ 深度神经网络API解释

尽管深度神经网络风靡一时，但是对于刚接触机器学习的开发人员而言，主要框架的复杂性已成为其使用障碍。 对于构建神经网络模型的改进和简化的高级API，已经提出了一些建议，所有这些建议从远处看似相似，但在仔细检查时会显示出差异。

Keras是领先的高级神经网络API之一。 它是用Python编写的，并且支持多个后端神经网络计算引擎。

[ TensorFlow机器学习入门 。 • TensorFlow评论：最好的深度学习库变得更好 。 •查看最新版本的TensorFlow中的新增功能 。 | 通过InfoWorld的App Dev Report新闻通讯了解编程方面的热门话题。 ]

Keras和TensorFlow

鉴于TensorFlow项目已将Keras用作即将发布的TensorFlow 2.0版本的高级API，因此Keras看起来是一个赢家，即使不一定是赢家。 在本文中，我们将探讨Keras的原理和实现，以期了解为什么它是对底层深度学习API的改进。

即使在TensorFlow 1.12中，官方的TensorFlow入门教程也使用嵌入在TensorFlow中的高级Keras API tf.keras 。 相比之下， TensorFlow Core API需要使用TensorFlow计算图，张量，运算和会话，其中一些在刚开始使用TensorFlow时可能很难理解。 使用低级TensorFlow Core API有一些优势，主要是在调试时使用，但是幸运的是，您可以根据需要混合使用高级和低级TensorFlow API。

Keras原则

Keras的创建是为了用户友好，模块化，易于扩展以及与Python一起使用。 该API是“为人类而不是为机器设计的”，并且“遵循了减少认知负担的最佳实践。”

神经层，成本函数，优化器，初始化方案，激活函数和正则化方案都是独立的模块，您可以将其组合以创建新模型。 新模块很容易添加，就像新的类和功能一样。 模型是用Python代码定义的，而不是单独的模型配置文件。