Keras：一个基于Python的深度学习库 | 给力的API | Tensorflow | 干货分享

|懒人阅读：你可以调用keras库中的模块迅速实现各种深度学习模型，在tensorflow、Theano以及CNTK中均可支持，适合新手体验、快速验证想法。

Keras使用手册（中文）传送门：http://keras-cn.readthedocs.io/en/latest/

用过的都说好

Keras号称是 TensorFlow 最好用、对新手最友好的 API。

机器学习、深度学习的开源框架平台目前主要有Tensorflow（谷歌家的），Caffe，Theano，MXNet、Pytorch（facebook家的）等等，但是你发现你写一个简单的神经网络也需要很多行才能够写完，这个时候，就有很多的第三方插件来帮助你写网络，也就是说你用tensorflow要写10行，第三方插件1行代码就能搞定，因为插件封装了相应的函数。

适用场景

Keras 适合新手体验、快速验证想法，研究算法或修改底层建议直接编写模型，使用 TensorFlow、Theano等框架

长板效应，优点

backend（后端）强：受到了Tensorflow和Theano的支持，自然很有生命力；
便于上手，Keras可以当作黑箱子使用的人，上手非常容易，后面的栗子中可以看出；

文档齐全，论坛活跃，新功能更新不慢。

备注：backend为后端，指的是Keras依赖于完成底层的张量运算的软件包。

人无完人，缺点

跑同样的模型比纯TensorFlow要慢，据说可能达到一倍；
由于模型封装的比较好，容易让人忽略原理，不深入学习模型，而且训练细节不能修改、penalty细节很难修改、不合适算法研究。扩展性一般。

基本介绍

Keras 之父是 Francois Chollet（见下图），已被谷歌挖走为Tensorflow背书，这是一个基于Python的深度学习库，作为一种高层神经网络API，Keras由纯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，，特色如下：

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的核心数据结构是“模型”，模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型，Sequential是一系列网络层按顺序构成的栈。你也可以查看函数式模型来学习建立更复杂的模型。主要模块介绍如下：

Optimizers

顾名思义，Optimizers包含了一些优化的方法，比如最基本的随机梯度下降SGD,另外还有Adagrad、Adadelta、RMSprop、Adam，一些新的方法以后也会被不断添加进来

上面的代码是SGD的使用方法，lr表示学习速率,momentum表示动量项，decay是学习速率的衰减系数(每个epoch衰减一次),Nesterov的值是False或者True，表示使不使用Nesterov momentum。其他的请参考文档。

Objectives

这是目标函数模块，keras提供了mean_squared_error，mean_absolute_error

，squared_hinge，hinge，binary_crossentropy，categorical_crossentropy这几种目标函数。这里binary_crossentropy 和 categorical_crossentropy也就是常说的logloss.

Activations

这是激活函数模块，keras提供了linear、sigmoid、hard_sigmoid、tanh、softplus、relu、softplus，另外softmax也放在Activations模块里(我觉得放在layers模块里更合理些）。此外，像LeakyReLU和PReLU这种比较新的激活函数，keras在keras.layers.advanced_activations模块里提供。

Initializations

这是参数初始化模块，在添加layer的时候调用init进行初始化。keras提供了uniform、lecun_uniform、normal、orthogonal、zero、glorot_normal、he_normal这几种。

layers

layers模块包含了core、convolutional、recurrent、advanced_activations、normalization、embeddings这几种layer。其中core里面包含了flatten(CNN的全连接层之前需要把二维特征图flatten成为一维的)、reshape（CNN输入时将一维的向量弄成二维的）、dense(就是隐藏层，dense是稠密的意思),还有其他的就不介绍了。convolutional层基本就是Theano的Convolution2D的封装。