這篇文章會總結幾個keras的基本概念，了解了這幾個基本概念，keras建模將會快速上手。
話不多說，直奔主題！
張量(tensor)，可以理解為keras裡的一種資料型別，相當於c語言裡得陣列。你在儲存的時候總需要了解資料的長度、大小還有維度各種各樣的資訊，而這個tensor就是用來幹這個的。舉幾個例子，如0階張量，也就是標量，指的是乙個數；1階張量指的是向量，幾個數字有序排列就是乙個一階張量；2階張量指的是矩陣，把幾個一階張量有序排起來也就是乙個2階張量，以此類推…而張量的階數也可稱為維度或者軸（axis），這個其實很好理解，想想資料中的特徵，一般來說有幾類特徵我們就常說這個樣本是幾維的，因為每類特徵都相當於座標系裡的乙個軸。
資料格式(dataformat)：keras在構建模型時需要設定輸入資料的格式，也就是這個所謂的dataformat。在這方面，不同的深度學習庫產生了分歧，theano、caffe為代表的採用"通道維靠前"，而以tensorflow為代表的採用"通道維靠後"。keras可自行設定採用哪種方式，可在**中通過k.image_data_format()函式檢視。如：
model.add(convolution2d(batch_size，input_shape=(none, 1, 28, 28)) #分別代表多少資料、通道數、寬、高另外（784，）和（784）是一致的，，都代表784個元素的一維張量
呼叫分類：keras將模型呼叫分為兩類，一種是sequential即順序模型，另一種是函式式api模型。在官方中文文件中，keras將sequential看作是api模型的一種特殊情況，而api可以處理多輸入多輸出情況，更具有一般性。
批資料(batch)：指的是梯度下降時一次用來更新引數使用的資料量。一般來說當一次性將所有資料都進行訓練時間太長，但每次使用乙個資料來更新引數會造成收斂效能不好，可能在最優點抖動甚至造成動盪，因此採用批資料進行梯度下降成了一種折中的思路。在使用批資料時，批資料越大，越接近第一種情況，批資料越小，就越接近第二種情況。
**輪數(epochs)：**指的是整個訓練集會被迴圈訓練多少次。很多時候全部資料集訓練一次並不能將神經網路訓練到最佳，因此需要多次訓練。設定epochs過小可能導致欠擬合，而設定過多則會導致過擬合，需要工程師在訓練時自行把握最佳情況。
Openssl入門 1 基本概念了解
安全協議的層次 1 應用層 pgp pretty good privacy 2 傳輸層 ssl 3 網路層 vpn openssl主要由三個部分組成 1 密碼演算法庫 2 ssl協議庫 3 應用程式庫 openssl的主要功能 1 對稱加密演算法 提供了 種對稱加密演算法，其中 種是分組加密演算法，...
Oracle兩個基本概念了解體系結構
要了解oracle體系結構必須先了解兩個基本的概念 資料庫和例項 一 資料庫 資料庫 database 是乙個資料集合。無論資料庫是採用關係結構還是物件導向結構，oracle資料庫都將其資料存放在資料檔案中。在其內部，資料庫結構資料對檔案的邏輯對映,使不同的資料分開儲存,這些邏輯劃分稱為表空間。表空...
Lucene使用前概念了解
資料庫中的搜尋很容易實現，通常都是使用sql語句進行查詢，而且能很快的得到查詢結果。為什麼資料庫搜尋很容易？因為資料庫中的資料儲存是有規律的，有行有列而且資料格式 資料長度都是固定的。我們生活中的資料總體分為兩種 結構化資料和非結構化資料。結構化資料 指具有固定格式或有限長度的資料，如資料庫，元資料...