Keras 入门

1. 什么是 Keras

Keras 是基于 Theano 或 TensorFlow 的一个深度学习框架，它的设计参考了 Torch，用 Python 语言编写，是一个高度模块化的神经网络库，支持 GPU 和 CPU。

安装 Keras

使用 Keras 前还需要安装 Numpy、Scipy 等 Python 包，建议直接安装 Python 科学计算环境 Anaconda，一步到位。然后直接通过 pip install keras 安装 Keras 就可以了，非常的方便。

在 Theano 和 TensorFlow 间切换

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 TensorFlow，都是一个“符号式”的库，这也使得 Keras 的编程与传统的 Python 代码有所差别。笼统的说，符号主义的计算首先定义各种变量，然后建立一个“计算图”，计算图规定了各个变量之间的计算关系。建立好的计算图需要编译以确定其内部细节，但是此时的计算图只是一个“空壳子”，里面没有任何实际的数据，只有当你把需要运算的输入放进去后，才能在整个模型中形成数据流，从而形成输出值。Keras 的模型搭建形式就是这种方法，搭建好的 Keras 模型只是一个空壳子，只有实际生成可调用的函数后（K.function），输入数据，才会形成真正的数据流。

使用计算图的语言，如 Theano，以难以调试而闻名，当 Keras 的 Debug 进入 Theano 这个层次时，往往也令人头痛。但大多数的深度学习框架使用的都是符号计算这一套方法，因为符号计算能够提供关键的计算优化、自动求导等功能。

Keras 会根据环境自动设置后端为 Theano 或 TensorFlow，我们也可以通过修改 Keras 配置文件来设置。Keras 配置文件位于用户目录下的 .keras 目录中，名称为 keras.json：

{
    "epsilon": 1e-07,
    "backend": "tensorflow",
    "floatx": "float32",
    "image_data_format": "channels_last"
}

其中 backend 字段设定 Keras 的后端，这里选择的是 tensorflow，也可以设定为 theano。

data_format

在如何表示一组彩色图片的问题上，Theano 和 TensorFlow 发生了分歧：Theano 会把 100 张 RGB 三通道的 16×32 彩色图表示为 (100,3,16,32)，第 0 维是样本维，代表样本的数目，第 1 维是通道维，代表颜色通道数，后面两个就是高和宽了，这种数据组织方法，称为 channels_first，即通道维靠前；而 TensorFlow 的表达形式是 (100,16,32,3)，即把通道维放在了最后，因而称为 channels_last。

Keras 默认的数据组织形式也在配置文件 keras.json 中规定，由 image_data_format 一项设定，也可在代码中通过 K.image_data_format() 函数返回，请在网络的训练和测试中保持维度顺序一致。对 2D 数据来说，channels_last 设定维度顺序为 (rows,cols,channels) 而 channels_first 设定维度顺序为 (channels, rows, cols)。对 3D 数据而言，channels_last 设定为 (conv_dim1, conv_dim2, conv_dim3, channels)，而 channels_first 则是 (channels, conv_dim1, conv_dim2, conv_dim3)。