什么是Keras？

什么是Keras

Keras是一个用Python编写的开源神经网络库，运行在Theano或Tensorflow之上。它采用模块化设计，速度快，易于使用。由Google工程师FrançoisChollet开发。

Keras不处理低级计算。相反，它使用另一个库来执行它，称为"后端。因此Keras是低级API的高级API包装器，能够在TensorFlow，CNTK或Theano之上运行。

Keras高级API处理我们制作模型，定义图层或设置多个输入输出模型的方式。在这个级别，Keras还使用损失和优化函数编译我们的模型，使用拟合函数训练过程。Keras不处理低级API，例如图层，张量或其他变量的底层操作，因为它已由"Backend"引擎处理。

什么是Backend？

Backend是Keras中的一个术语，它可以在其他库（如Tensorflow或Theano）的帮助下执行所有低级计算，如张量积，卷积和许多其他事物。因此，"Backend引擎"将执行模型的计算和开发。Tensorflow是默认的"Backend引擎"，但可以在配置中更改它。

Theano，Tensorflow和CNTK

Theano是一个开源项目，由加拿大魁北克省蒙特利尔大学的MILA小组开发。这是第一个广泛使用的框架。它是一个Python库，可以帮助使用Numpy或Scipy进行数学运算的多维数组。Theano可以使用GPU进行更快的计算，它还可以自动构建用于计算梯度的符号图。在其网站上，Theano声称它可以识别数值不稳定的表达式并使用更稳定的算法计算它们，这对灵活的表达式非常有用。

Tensorflow是深度学习框架中的后起之秀。由Google的Brain团队开发，它是最受欢迎的深度学习工具。具有许多功能，研究人员有助于为深度学习目的开发此框架。

Keras的另一个引擎是Microsoft Cognitive Toolkit或CNTK。它是由Microsoft团队开发的开源深度学习框架。它可以在多GPU或多机上运行，​​用于大规模培训深度学习模型。在某些情况下，据报道CNTK比其他框架如Tensorflow或Theano更快。

Keras的优点

快速部署，易于理解

Keras可以非常快速地建立网络模型。如果你想用几行制作一个简单的网络模型，Keras可以帮助你。

1. from keras.models import Sequential

2. from keras.layers import Dense, Activation

3.

4. model = Sequential()

5. model.add(Dense(64, activation='relu', input_dim=50)) #input shape of 50

6. model.add(Dense(28, activation='relu')) #input shape of 50

7. model.add(Dense(10, activation='softmax'))

基于调用方便的API，这个调用过程可以容易理解。

大型社区支持

有很多AI社区使用Keras进行深度学习框架,并向公众发布他们的代码以及教程。

有多个后端

您可以选择Tensorflow，CNTK和Theano作为Keras的后端。您可以根据需要为不同的项目选择不同的后端。每个后端都有自己独特的优势。

跨平台且易于模型部署

通过各种支持的设备和平台，您可以在任何设备上部署Keras

· iOS与CoreML

· Android版采用Tensorflow Android，

· 支持.js的Web浏览器

· 云引擎

跨平台且易于模型部署

多GPU支持

您可以在单个GPU上训练Keras或一次使用多个GPU。因为Keras内置了对数据并行性的支持，因此它可以处理大量数据并加快培训所需的时间。

在Linux中安装Keras

要使用Tensorflow作为后端引擎启用Keras，需要先安装Tensorflow。运行此命令以使用CPU安装tensorflow（无GPU）

pip install --upgrade tensorflow

如果要为tensorflow启用GPU支持，可以使用此命令

pip install --upgrade tensorflow-gpu

进入Python以查看tensorflow的安装是否成功

$ python Python 3.6.4 (default, Mar 20 2018, 11:10:20) [GCC 5.4.0 20160609] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import tensorflow >>> 

如果没有错误消息，则安装过程成功

安装Keras

安装Tensorflow之后，开始安装keras。在终端中键入此命令

pip install keras

它将开始安装Keras以及它的所有依赖项。你应该看到这样的东西：

标志着已经在系统中安装了Keras！

验证

在开始使用Keras之前，应该检查Keras是否配置使用Tensorflow作为后端：

cat ~ / .keras / keras.json

你应该看到如下：

{ "floatx": "float32", "epsilon": 1e-07, "backend": "tensorflow", "image_data_format": "channels_last"}

如你所见，"后端"使用tensorflow。

这意味着keras使用Tensorflow作为后端

现在通过键入在终端上运行它

user@user:~$ python3Python 3.6.4 (default, Mar 20 2018, 11:10:20) [GCC 5.4.0 20160609] on linuxType "help", "copyright", "credits" or "license" for more information.>>> import kerasUsing TensorFlow backend.>>> 

如何在Windows上安装Keras

在安装Tensorflow和Keras之前，应该安装Python，pip和virtualenv。如果您已经安装了这些库，则应继续执行下一步，否则请执行以下操作：

百度搜索下载安装Python 3。

直接浏览器访问下载。

然后运行命令:

python get-pip.py

安装pip

使用此命令安装virtualenv

pip3 install -U pip virtualenv

安装Microsoft Visual C ++ 2015 Redistributable Update 3

· 转到Visual Studio下载站点

· 选择Redistributables和Build Tools

· 下载并安装Microsoft Visual C ++ 2015 Redistributable Update 3

然后运行此脚本

pip3 install virtualenv

设置虚拟环境

这用于将工作系统与主系统隔离。

virtualenv --system-site-packages -p python3 ./venv

激活环境

.\venv\Scripts\activate

环境安装好后，Tensorflow和Keras的使用与Linux一致。

Tensorflow和Keras的使用与Linux一致

让我们轻松的踏上Python AI之旅吧。