keras是基於theano的乙個深度學習框架，它的設計參考了torch，用python語言編寫，是乙個高度模組化的神經網路庫，支援gpu和cpu。使用文件在這：中文文件在這： ，這個框架是2023年流行起來的，使用中遇到的困惑或者問題可以提交到github：
keras主要包括14個模組包，可參見文件 ，下面主要對models、layers、initializations、activations、objectives、optimizers、preprocessing、metrics八個模組包展開介紹。
1. models包：keras.models
這是keras中最主要的乙個模組，用於對各個元件進行組裝。
詳細說明：
from keras.models import sequential
model = sequential() # 初始化模型
model.add(...) # 可使用add方法組裝元件
2. layers包：keras.layers
該模組主要用於生成神經網路層，包含多種型別，如core layers、convolutional layers、recurrent layers、advanced_activations layers、normalization layers、embeddings layers等。
其中core layers裡面包含了flatten（cnn的全連線層之前需要把二維特徵圖flatten成為一維的）、reshape（cnn輸入時將一維的向量弄成二維的）、dense（隱藏層）。
convolutional layers層包含theano的convolution2d的封裝等。
詳細說明：
from keras.layers import dense # dense表示bp層
model.add(dense(input_dim=3,output_dim=5)) # 加入隱含層
3. initializations包：keras.initializations
該模組主要負責對模型引數（權重）進行初始化，初始化方法包括：uniform、lecun_uniform、normal、orthogonal、zero、glorot_normal、he_normal等。
詳細說明：
model.add(dense(input_dim=3,output_dim=5,init='uniform')) #加入帶初始化（uniform）的隱含層
4. activations包：keras.activations、keras.layers.advanced_activations（新啟用函式）
該模組主要負責為神經層附加啟用函式，如linear、sigmoid、hard_sigmoid、tanh、softplus、softmax、relu以及leakyrelu、prelu等比較新的啟用函式。
詳細說明：
model.add(dense(input_dim=3, output_dim=5, activation='sigmoid')) # 加入帶啟用函式（sigmoid）的隱含層
等價於：
model.add(dense(input_dim=3, output_dim=5))
model.add(activation('sigmoid'))
5. objectives包：keras.objectives
該模組主要負責為神經網路附加損失函式，即目標函式。如mean_squared_error，mean_absolute_error ，squared_hinge，hinge，binary_crossentropy，categorical_crossentropy等，其中binary_crossentropy，categorical_crossentropy是指logloss。
注：目標函式的設定是在模型編譯階段。
詳細說明：
model.compile(loss='binary_crossentropy', optimizer='sgd') #loss是指目標函式
6. optimizers包：keras.optimizers
該模組主要負責設定神經網路的優化方法，如最基本的隨機梯度下降sgd,另外還有adagrad、adadelta、rmsprop、adam，一些新的方法以後也會被不斷新增進來。
詳細說明：
keras.optimizers.sgd(lr=0.01, momentum=0.9, decay=0.9, nesterov=false)
上面的**是sgd的使用方法，lr表示學習速率,momentum表示動量項，decay是學習速率的衰減係數(每個epoch衰減一次),nesterov的值是false或者true，表示使不使用nesterov momentum。
model = sequential()
model.add(dense(64, init='uniform', input_dim=10))
model.add(activation('tanh'))
model.add(activation('softmax'))
sgd = sgd(lr=0.01, decay=1e-6, momentum=0.9, nesterov=true)
model.compile(loss='mean_squared_error', optimizer=sgd) #指優化方法sgd
model.compile(loss='binary_crossentropy', optimizer='sgd')
7. preprocessing包：keras.preprocessing
資料預處理模組，包括序列資料的處理、文字資料的處理和影象資料的處理等。對於影象資料的處理，keras提供了imagedatagenerator函式,實現資料集擴增，對影象做一些彈性變換，比如水平翻轉，垂直翻轉，旋轉等。
8. metrics包：keras.metrics
與sklearn中metrics包基本相同，主要包含一些如binary_accuracy、mae、mse等的評價方法。
predict = model.predict_classes(test_x) #輸出**結果
keras.metrics.binary_accuracy(test_y, predict) #計算**精度
深度學習入門 框架keras 1簡介
順序模型指南 深度學習看了不少的入門資料和學習方法，始終不得其解，感覺非常的混亂，同樣的東西可以用多種方式訓練，就算是同乙個模型，各種的優化器各種的語法甚至各種看不懂的寫法都讓我很蛋疼。最後實在沒法選學習方向了，於是去tensorflow官網看教程，看了幾個教程，發現用了很多的keras這個東西，感...
Keras框架安裝總結
需要說明，keras是基於theano的深度學習框架，但是最終安裝沒有實現blas加速。大致過程如下 環境 所有軟體都是64位 win7 x64 cuda 6.5 x64 vs2012 x64 anaconda x64 step1.先安裝cuda，安裝的版本為6.5，直接和vs2012實現 編譯。記...
Keras深度學習框架配置
專案 是在windows 7上執行的，主要用到的matlab r2013a和python，其中matlab用於patch的分割和預處理，卷積神經網路搭建用到了根植於python和theano的深度學習框架keras。keras是基於theano的乙個深度學習框架，它的設計參考了torch，用pyth...