keras学习笔记（一）

    小白第一次写博客，诸多稚嫩之处，还望各位读者海涵。

    keras是基于tensorflow或Theano的一个深度学习链接库。我最近开始学习keras的几点感触就是，keras相对tensorflow来说封装性更好，理解成为keras是tensorflow的前端，像tensorflow的前向网络、反向网络之类在keras中用model.add()方法就可以轻松解决（后续会介绍到），学习这方面的小白可以像我一样，先入手keras，理解神经网络的构建原理之后，再回来学tensorflow，会轻松一些。

    笔者目前的学习资源主要为中国大学mooc上曹建老师的tensorflow学习笔记，以及林大贵的《tensorflow+keras深度学习人工智能实践应用》。

    首先说一下人工智能、机器学习和深度学习的关系，这三者是层层递进的关系。引用知乎上育心网友的回答，“机器学习是实现人工智能的一种方法，深度学习是实现机器学习的一种技术。”依鄙见，人工智能将是未来的技术，对技术疯狂的人都会最终痴迷于这个领域，但实现人工智能的方法不单单是机器学习，除了让机器模拟人的思维去思考，还可以用工程法来达到人工智能的效果，笔者能力有限不能做具体分析。至于深度学习，则是对机器学习的一种更深层面的开发，这项技术将会越来越成熟。

    直接说机器学习（machine learning，ML），ML分为三种，监督学习（supervised learning），非监督学习（unsupervised learning）和强化学习（reinforcement learning，RL）。

    这三种学习的概念，新手不是很能理解，但相信尝试过了解这三者的人都在网上查到过形象化的描述，监督学习就是告诉机器，逃课是错的，上课是对的，这是离散问题，或者告诉机器现在的气温是21℃，三小时前的气温是20℃，这是逻辑回归问题（logistic），总之，监督学习都要有标