Keras 基于 Python 的深度学习库
Keras 是一个高层神经网络 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，如果你有如下需求，请选择 Keras：
- 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 的设计原则是
- 用户友好：Keras是为人类而不是天顶星人设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践：Keras提供一致而简洁的API， 能够极大减少一般应用下用户的工作量，同时，Keras提供清晰和具有实践意义的bug反馈。
- 模块性：模型可理解为一个层的序列或数据的运算图，完全可配置的模块可以用最少的代价自由组合在一起。具体而言，网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块，你可以使用它们来构建自己的模型。
- 易扩展性：添加新模块超级容易，只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得Keras更适合于先进的研究工作。
- 与Python协作：Keras没有单独的模型配置文件类型（作为对比，caffe有），模型由python代码描述，使其更紧凑和更易debug，并提供了扩展的便利性。
快速开始：30s 上手 Keras
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
Sequential 模型如下
from keras.models import Sequential
model = Sequential()
将一些网络层通过 .add() 堆叠起来，就构成了一个模型：
from keras.layers import Dense, Activation
model.add(Dense(units=64, input_dim=100))
model.add(Activation("relu"))
model.add(Dense(units=10))
model.add(Activation("softmax"))
完成模型的搭建后，我们需要使用 .compile() 方法来编译模型：
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
编译模型时必须指明损失函数和优化器，如果你需要的话，也可以自己定制损失函数。Keras的一个核心理念就是简明易用，同时保证用户对Keras的绝对控制力度，用户可以根据自己的需要定制自己的模型、网络层，甚至修改源代码。
from keras.optimizers import SGD
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))
完成模型编译后，我们在训练数据上按batch进行一定次数的迭代来训练网络
model.fit(x_train, y_train, epochs=5, batch_size=32)
当然，我们也可以手动将一个个batch的数据送入网络中训练，这时候需要使用：
model.train_on_batch(x_batch, y_batch)
随后，我们可以使用一行代码对我们的模型进行评估，看看模型的指标是否满足我们的要求：
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)
或者，我们可以使用我们的模型，对新的数据进行预测：
classes = model.predict(x_test, batch_size=128)
搭建一个问答系统、图像分类模型，或神经图灵机、word2vec词嵌入器就是这么快。支撑深度学习的基本想法本就是简单的，现在让我们把它的实现也变的简单起来！
为了更深入的了解 Keras，我们建议你查看一下下面的两个tutorial
还有我们的新手教程，虽然是面向新手的，但我们阅读它们总是有益的：
在Keras代码包的 examples 文件夹里，我们提供了一些更高级的模型：基于记忆网络的问答系统、基于LSTM的文本的文本生成等。
安装
Keras 使用了下面的依赖包，三种后端必须至少选择一种，我们建议选择 tensorflow。
- numpy，scipy
- pyyaml
- HDF5, h5py（可选，仅在模型的save/load函数中使用）
- 如果使用 CNN 的推荐安装 cuDNN
- 当使用TensorFlow为后端时：TensorFlow
- 当使用Theano作为后端时：Theano
- 当使用CNTK作为后端时：CNTK
后端 翻译自backend，指的是 Keras 依赖于完成底层的张量运算的软件包。
从源码安装 Keras 时，首先 git clone keras 的代码：
git clone https://github.com/fchollet/keras.git
接着 cd 到 Keras 的文件夹中，并运行下面的安装命令：
sudo python setup.py install
你也可以使用PyPI来安装Keras
sudo pip install keras
如果你用的是 virtualenv 虚拟环境，不要用 sudo 就好。
详细的 Windows 和 Linux 安装教程请参考 Keras 新手指南 中给出的安装教程，特别鸣谢 SCP-173 编写了这些教程
在 Theano、CNTK、TensorFlow 间切换
Keras 默认使用TensorFlow作为后端来进行张量操作，如需切换到 Theano，请查看 这里