878
Keras新手“入坑”指南
api等都是非常重要的…为什么要用Keras呢?
Keras是一种高级的神经网络API，它运行在许多底层库之上，这些库被用作后端，包括TensorFlow、Theano、CNTK和PlaidML等。Keras代码是可移植的，这意味着你可以使用Keras 实现一个神经网络，然后使用Theano作为一个备份，再指定后端在TensorFlow上运行，并且不需要对代码进行进一步的更改。数据科学家和机器学习专家Charles Martin总:
10年了。这并不容易，但对一个好的黑客来说是足够的。对我来说，Keras使得那些被认为不可用的人工智能产品能够发挥它们的价值。
Keras是一种易于使用的神经网络库，它可以促进简单直观的语法。在某种程度上讲，它还面向神经网络技术消费者，而不只是生产商。这两组之间的界限并不是很明确;确切地说，到底是什么构成了机器学习算法的设计和实现，而不是修改已经准备好的机器呢?这就类似于是先有鸡还是先有蛋的问题，这并不是一个合适的讨论话题。然而，和其他已经建立的主流神经网络库相比，Keras更适合于数据科学的实践。事实上，我想说的是，Keras是任何一个使用神经网络的数据科学家的工具。
Keras，如果你已经熟悉了神经网络，那就不是一个特别困难的任务了。为了达到这个目的，最好对神经网络有一定的了解。
:
:Keras基础知识
Keras到底是什么?
Keras是一个高级神经网络API，用Python编写，能够在TensorFlow、CNTK或Theano上面运行。它的开发重点是支持快速实验，能够以最短的时间从想法到结果。如果你需要有如下特点的深度学习库：
1、允许简单快速的原型设计(友好性、模块性和可扩展性)。
2、支持卷积网络和循环网络，以及两者的组合。
3、在CPU和GPU上无缝运行。
Keras。
:Keras的概述
Valerio Maggio于2017年在伦敦的PyData举行了一场精彩的演讲，题为“十个步骤学习Keras”。为了对Keras更深入的理解，可以拿Keras与其他库相比，以及使用它来完成事情，请花上90分钟看视频。然后看看下面链接的几页文档，以了解Keras是如何处理模型实现的。
1、Keras模型
Keras而不是TensorFlow，请读一下这篇文章:
Keras后端，请参阅这个文档页面:
:慢慢地学习Keras
:当人们开始使用一个新的深度学习库时，首先要做的事情之一就是:实现一个简单的逻辑回归模型。
Valerio的视频，那么你可能已经得到了你需要的东西。如果没有，那就从谈话中引用他的笔记。一般情况下，你可以阅读整个过程，再对TensorFlow、Theano和Keras的实现代码进行比较。如果你只对Keras 代码感兴趣，那么可以跳过大约一半。
Keras文档页面，这些文档页面描述了这两种模式(已经在上面提到的)和层。
2、Keras
Keras教程:使用神经网络识别三连棋游戏的胜利者。
:实现卷积神经网络
Keras中实现卷积神经网络(CNN)，首先要阅读它的卷积层的文档:
Keras中关于CNNs的以下教程。第一种方法采用了较慢的方法，并且涵盖了你现在应该知道的大部分内容，而第二种则考虑了一些额外的主题，例如避免过度使用。这并不一定是一种非此即彼的方法;你可能会在两种模式中发现各自的价值:
Keras教程:Python的终极初学者指南，高级数据科学
阅读附带的博客文章。
:实现一个循环的神经网络
Keras中实现一个循环的神经网络(RNN)，首先要阅读它的循环层的文档:
Chris Albon的教程：实现一个长期的短期记忆(LSTM)网络——一种主要的RNN:
阅读附带的幻灯片。
:接下来该做什么?
Keras有一个坚实的理解，包括为什么要使用它，它在某些情况下优于其他库的优点，并使用它来实现各种网络架构。你现在是个专家，对吧?
,也许不是。但希望你已经掌握了基本知识。当你想要超越基本的时候，最好的方法就是阅读Keras的官方教程:
Keras示例，其中包括了远景模型示例、文本和序列示例、生成模型示例等等。
?更改优化器，添加扩展层，使用激活函数。或者使用一些Keras量度标准来回顾并判断你的模型的性能。Keras文档是一个很好的开始:
原文链接：https://www.kdnuggets.com/2017/10/seven-steps-deep-learning-keras.html
最后更新：2017-11-13 21:04:01