Keras 是一個用 Python 編寫的高級神經網絡 API，它能夠以TensorFlow, CNTK或者 Theano作為后端運行。Keras 的開發(fā)重點是支持快速的實驗。能夠以最小的時延把你的想法轉換為實驗結果，是做好研究的關鍵。

如果你在以下情況下需要深度學習庫，請使用 Keras:

• 允許簡單而快速的原型設計（由于用戶友好，高度模塊化，可擴展性）。

• 同時支持卷積神經網絡和循環(huán)神經網絡，以及兩者的組合。

• 在 CPU 和 GPU 上無縫運行。

閱讀網站：https://keras123.com/

獲得方式：

??長按上方二維碼 2 秒回復「keras深度學習庫」即可領取

教程目錄

• 一、快速開始

• Sequential順序模型指引

• 函數式API指引

• FAQ常見問題解答
  

• 二、模型

• 關于Keras模型

• Sequential順序模型

• Model（函數式API）
  

• 三、網絡層

• 關于Keras網絡層

• 核心網絡層

• 卷積層Convolutional Layers
  

• 池化層Pooling Layers

• 局部連接層Locally-connected Layers

• 循環(huán)層Recurrent Layers

• 嵌入層Embedding Layers

• 融合層 Merge Layers
  

• 高級激活層 Advanced Activations Layers

• 標準化層 Normalization Layers

• 噪聲層 Noise layers

• 層封裝器 Layer wrappers

• 編寫你自己的層
  

• 四、數據預處理

• 序列預處理
  

• 文本預處理

• 圖像預處理
  

• 損失函數 Losses

• 評估標準 Metric
  

• 優(yōu)化器 Optimizers

• 激活函數 Activations
  

• 回調 Callbacks
  

• 常用數據集 Datasets

• 應用 Applications
  

• 后端 Backend

• 初始化 Initializers

• 正則化 Regularizers

• 約束項 Constraints

• 可視化 Visualization

• Scikit-learn API
  

• 工具 Utils

• 貢獻

• 五、經典樣例

• RNN 加法

• 自定義層 - antirectifier

• Baby RNN

• Baby MemNN

• CIFAR-10 CNN

• CIFAR-10 ResNet

• 卷積濾波器可視化

• 卷積 LSTM

• Deep Dream

• 圖片 OCR

• 雙向 LSTM

• 1D CNN 文本分類

• CNN-LSTM 情感分類

• Fasttext 文本分類

• LSTM 情感分類

• Sequence to sequence - 訓練

• Sequence to sequence - 預測

• Stateful LSTM