深度学习是机器学习框架的主要子领域之一。机器学习是受人脑模型启发而进行的算法设计研究。深度学习在机器人，人工智能(AI)，音频和视频识别以及图像识别等数据科学领域正变得越来越流行。人工神经网络是深度学习方法的核心。深度学习受到Theano，TensorFlow，Caffe，Mxnet等各种库的支持，Keras是功能最强大且易于使用的Python库之一，它基于流行的深度学习库如TensorFlow，Theano等构建。 ，用于创建深度学习模型。

Keras概述

Keras在TensorFlow，Theano或Cognitive Toolkit(CNTK)等开源机器库之上运行。 Theano是用于快速数值计算任务的Python库。 TensorFlow是用于创建神经网络和深度学习模型的最著名的符号数学库。 TensorFlow非常灵活，主要优势是分布式计算。 CNTK是Microsoft开发的深度学习框架。它使用Python，C＃，C++或独立的机器学习工具包之类的库。 Theano和TensorFlow是非常强大的库，但是对于创建神经网络却很难理解。

Keras基于最小的结构，它提供了一种干净，简便的方法来创建基于TensorFlow或Theano的深度学习模型。 Keras旨在快速定义深度学习模型。好吧，Keras是深度学习应用程序的最佳选择。

特征

Keras利用各种优化技术来简化高级神经网络API，并提高其性能。它支持以下功能-

• 一致，简单和可扩展的API。

• 最小的结构-容易获得结果，没有任何多余的装饰。

• 它支持多个平台和后端。

• 它是用户友好的框架，可在CPU和GPU上运行。

• 计算的高度可扩展性。

好处

Keras是一个功能强大且动态的框架，具有以下优点-

• 更大的社区支持。

• 易于测试。

• Keras神经网络是用Python编写的，这使事情变得更简单。

• Keras支持卷积和循环网络。

• 深度学习模型是离散的组件，因此，您可以将其组合成多种方式。