上次铁柱分享了一个使用深度学习库Keras预测风功率的案例，有小伙伴表示一脸懵逼，没关系，其实Keras上手很快，毕竟外卖小哥都可以上手深度学习，化身TF BOY了（TensorFlow BOY）。下面有请铁柱介绍Keras：
Keras是什么
Keras是深度学习建模的一个上层建筑，其后端可以灵活使用CNTK、TensorFlow或者Theano。这样就可以避免不同深度学习框架的差异而集中于建模过程。
铁柱不禁想起了“悲惨”童年时期酷爱的游戏厅街机《拳皇97》、《忍者棒球》，要绝杀小伙伴必须经过各种复杂的操作放出必杀技，结果被游戏大佬各种虐，可是现如今，如果把街机通过模拟器移植到电脑上，玩家定义好了连招按键，只需点击某个按钮就能轻松施展出各种炫酷的骚操作，游戏操作简化到无趣。
这里打一个不恰当的比方，前者相当于tensorflow等后端,后者类比于keras，街机模拟器（keras）把一些常用必杀技（tensorflow等后端中常用的模型、操作等）进行了封装，让我们在游戏（深度学习）的世界里快乐玩耍。好吧，铁柱好像暴露了年龄和癖好，以前可没少挨父母揍啊
图1 忍者棒球
Keras特点
下面言归正传，Keras 最开始是为研究人员开发的，其目的在于快速实验，具有以下重要特性：
（1） 相同的代码可以在 CPU 或 GPU 上都可以顺利运行，做到无缝切换。例如，对于特定任务，某个后端的速度更快，那么我们就可以无缝切换过去。推荐使用 TensorFlow 作为默认后端，因为它的应用最广泛，可扩展，可用于生产环境，tensorflow的模型文件可在java环境中运行。
（2） 具有用户友好的API，便于快速开发深度学习模型的原型，比如鼎鼎大名的VGG16/ VGG19/ InceptionV3，调参方便、简单。
（3） 内置支持卷积网络（主要用于计算机视觉）、循环网络（主要用于序列处理）以及二者的任意组合，比如CNN-LSTM,LSTM-CNN,Bi-LSTM。
（4）支持任意网络架构：多输入或多输出模型、层共享、模型共享等。这也就是说，Keras能够构建任意深度学习模型，无论是生成式对抗网络还是神经图灵机。
图2 keras底层后端
如图2，TensorFlow、CNTK 和 Theano 是当今深度学习的几个主要平台。Theano由蒙特利尔大学的MILA 实验室开发，TensorFlow 由 Google 开发，CNTK 由微软开发。你用 Keras 写的每一段代码都可以在这三个后端上运行，无需任何修改。
在 CPU 上运行时，Tensor Flow 本身封装了一个低层次的张量运算库，叫作 Eigen；在 GPU 上运行时，TensorFlow封装了一个高度优化的深度学习运算库，叫作 NVIDIA CUDA 深度神经网络库（cuDNN）。
Keras的缺点与选择
Keras的缺点：keras社区没有TensorFlow活跃，文档部分内容不是太容易理解，比如TimeDistributed，官方的解释晦涩难懂。因此要深度理解Keras的参数和模型的具体结构，还是要看源码。目前，Keras 已经成为了TensorFlow的官方API，也就是说最新的TensorFlow自带keras,可不用再分外安装keras了。
到底该选择TensorFlow还是Keras，是深度学习初学者经常纠结的一个问题，可参考数据科学家Aakash Nain的建议：
除非你正从事研究性质的工作或开发某种特殊种类的神经网络，选用TersorFlow,如果不是，那么请选择Keras（相信我，我是一个Keras党！！）使用Keras快速构建非常复杂的模型仍然超容易。
图3 Keras与后端
如果你想要更精细地控制你的网络，或者想要仔细查看你的网络发生了什么，那么TF是正确的选择（不过有时TF的语法会让你做噩梦的）。
不过，现在TF已经集成了Keras，所以更明智的做法是使用tf.contrib.Keras创建你的网络，然后根据需要在你的网络中插入纯TensorFlow。
简而言之，tf.contrib.keras tf = 你所需要的一切。
参考资料
Keras 后端：https://keras.io/zh/backend/
TensorFlow还是Keras：https://www.jqr.com/article/000104
深度学习之Keras入门篇：https://blog.csdn.net/ zdy0_2004/ article/details/74736656
Keras中文资料百度云链接：https://pan.baidu.com/s/1Vw6JaDbveyOHs4JuaaNcWA
提取码：a1zu
- End -
本文由MeteoAI原创首发，未经允许禁止转载！
