Keras文档(未完)

为什么选择Keras?

为什么选择Keras?

在如今无数深度学习框架中,为什么选择Keras而不是其他?以下是Keras的优势:


Keras注重开发者体验

  • Keras是为人类而不是为机器设计的API。Keras遵循减轻认知负载的最佳实践。: 它提供一致而简洁的API,尽量减少常用操作所需的步骤,并对误用给予清晰而有指导性的反馈。
  • 这让Keras既好学又好用。作为Keras的使用者,你比竞争对手更高效,因为你能更快地尝试更多新点子。这反过来帮你赢得机器学习竞赛
  • 简单易用并不以牺牲灵活性为代价:因为Keras整合了底层深度学习语言,特别是TensorFlow,使你可以构建原本想用底层语言构建的一切。Keras以“tf.keras“的形式与TensorFlow无缝衔接。

Keras被工业界和学术界广泛采用

截至2017年11月,拥有超过200,000个人用户的Keras是除TensorFlow外被工业界和学术界最多使用的深度学习框架(而Keras往往与TensorFlow结合使用)。

其实你早已见识过Keras————Netflix,优步,Yelp,Instacart,Zocdoc,Square,以及其他许多应用上都有用Keras创建的功能。它尤其受以深度学习为产品核心的创业公司的欢迎。

Keras也大受深度学习研究者的喜爱。在上传到学术论文网站arXiv.org的论文中被提及的次数位居第二:

Keras还被大型科研机构的研究者所采用,特别是CERN和NASA。


Keras使模型轻松转化为产品

与其他深度学习框架相比,Keras模型可以轻松地发布到更多平台:


Keras支持众多后端引擎,不限制你于单一生态

你的Keras模型可以用不同的深度学习后端开发。尤其当模型仅含有Keras内置的层时,它可以在这些后端间移植:用一种后端训练模型,再将它载入另一种后端中(比如为了发布)。支持的后端有:

  • 谷歌的TensorFlow后端
  • 微软的CNTK后端
  • Theano后端

亚马逊也正在为Keras开发MXNet后端。

如此一来,你的Keras模型可以在超越CPU的不同硬件平台上训练:


Keras强力支持多GPU和分布式训练


Keras的开发受到深度学习生态圈中关键公司的支持

Keras的开发主要由谷歌支持,Keras API以“tf.keras”的形式打包在TensorFlow中。微软维护着Keras的CNTK后端。亚马逊AWS正在开发MXNet支持。其他提供支持的公司包括NVIDIA、优步、苹果(通过CoreML)。

上一篇: 下一篇: