Keras是一个强大的、易于使用的深度学习库，无缝对接Theano 和 TensorFlow，同时提供高层神经网络API，来建立和评估深度学习模型。
Keras入门例子：
Keras内置了一些经典数据集。比如：
boston_housing：数据集来自卡内基梅隆大学维护的 StatLib 库。样本包含 1970 年波士顿郊区不同位置的房屋信息，共有 13 种房屋属性。
mnist 数据集：训练集为 60,000 张 28x28 像素灰度图像，测试集为 10,000 同规格图像，总共 10 类数字标签。
cifar10是一个50,000 张 32x32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 10 个类别。
imdb 数据集来自 IMDB 的 25,000 条电影评论，以情绪（正面/负面）标记。
Keras库提供的数据预处理能力：
Keras构建深度学习网络模型，非常精简，很容易上手使用：
构建序列模型：
构建多层感知机模型：
多分类模型：
回归模型：
CNN模型：
RNN模型：
检查模型：
编译模型：
训练模型。Keras 内置对多 GPU 数据并行的支持。Keras 模型可以被转换为 TensorFlow Estimators 并在 GPU 集群上训练。Keras 可以在 Spark上训练。
评估模型：
使用模型做预测：
保存模型：
以上就是Keras使用的入门例子，希望有帮助。
