Keras

提供者：刘晓
地址：https://keras.io/#installation

Keras 简介

Keras 最初是作为 ONEIROS 项目（开放式神经电子智能机器人操作系统）研究工作的一部分而开发的。Keras是一个高层神经网络API，纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras：

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）
支持CNN和RNN，或二者的结合
无缝CPU和GPU切换

Keras适用的Python版本是：Python 2.7-3.6

Keras官方英文文档

Keras官方中文文档

Keras GitHub

Keras 安装

在安装 Keras 之前，请安装以下后端引擎之一：TensorFlow，Theano，或者 CNTK。官方推荐 TensorFlow 后端 。

还可以考虑安装一下可选依赖：

cuDNN (如果你计划在 GPU 上运行 Keras，建议安装)。
HDF5 和 h5py (如果你需要将 Keras 模型保存到磁盘，则需要这些)。
graphviz 和 pydot (被可视化工具用来绘制模型图)。

安装 Keras ，有两种方法：

使用 PyPI 安装 Keras (推荐)

sudo pip install keras  
pip install keras   # virtualenv 虚拟环境下

使用 Github 源码安装 Keras：
使用 git 来克隆 Keras：
```
git clone https://github.com/keras-team/keras.git    
```

然后，cd 到 Keras 目录并且运行安装命令：

cd keras  
sudo python setup.py install

Keras 快速使用

Keras 的核心数据结构是 model，一种组织网络层的方式。最简单的模型是 Sequential 顺序模型，它是由多个网络层线性堆叠的栈。对于更复杂的结构，应该使用 Keras 函数式 API，它允许构建任意的神经网络图。
Sequential 顺序模型如下所示：

from keras.models import Sequential  
model = Sequential()

可以简单地使用 .add() 来堆叠模型：

from keras.layers import Dense
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

在完成了模型的构建后, 可以使用 .compile() 来配置学习过程：

model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

如果需要，你还可以进一步地配置优化器。Keras 的一个核心原则是使事情变得相当简单，同时又允许用户在需要的时候能够进行完全的控制（终极的控制是源代码的易扩展性）。

model.compile(loss=keras.losses.categorical_crossentropy, optimizer=keras.optimizers.SGD(lr=0.01, momentum=0.9, nesterov=True))

现在，你可以批量地在训练数据上进行迭代了：

# x_train 和 y_train 是 Numpy 数组 -- 就像在 Scikit-Learn API 中一样。
model.fit(x_train, y_train, epochs=5, batch_size=32)

或者，你可以手动地将批次的数据提供给模型：

model.train_on_batch(x_batch, y_batch)

只需一行代码就能评估模型性能：

loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

或者对新的数据生成预测：

classes = model.predict(x_test, batch_size=128)

构建一个问答系统，一个图像分类模型，一个神经图灵机，或者其他的任何模型，就是这么的快。

Keras

Keras 简介

Keras 安装

Keras 快速使用

相关例子

相关论文