Keras中文手册

Keras:基于Theano和TensorFlow的深度学习库 这就是Keras Keras是一个高层神经网络库，Keras由纯Python编写而成并基Tensorflow或Theano。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 支持任意的链接方案（包括多输入和多输出训练） 无缝CPU和GPU切换 Keras适用的Python版本是：Python 2.7-3.5 Keras的设计原则是 模块性：模型可理解为一个独立的序列或图，完全可配置的模块以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。 极简主义：每个模块都应该尽量的简洁。每一段代码都应该在初次阅读时都显得直观易懂。没有黑 魔法，因为它将给迭代和创新带来麻烦。 易扩展性：添加新模块超级简单的容易，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。 Keras从2015年3月开始启动，经过一年多的开发，目前Keras进入了1.0的时代。Keras 1.0依然遵循相 同的设计原则，但与之前的版本相比有很大的不同。如果你曾经使用过此前的其他版本Keras。你或许 会关心1.0的新特性。 泛型模型：简单和强大的新模块，用于支持复杂深度学习模型的搭建。 更优秀的性能：现在，Keras模型的编译时间得到缩短。所有的RNN现在都可以用两种方式实现， Keras中文文档 以供用户在不同配置任务和配置环境下取得最大性能。现在，基于Theano的RNN也可以被展开， 以获得大概25%的加速计算。 测量指标：现在，你可以提供一系列的测量指标来在Keras的任何监测点观察模型性能。 更优的用户体验：我们面向使用者重新编写了代码，使得函数API更简单易记，同时提供更有效的 出错信息。 新版本的Keras提供了Lambda层，以实现一些简单的计算任务。 ... 如果你已经基于Keras0.3编写了自己的层，那么在升级后，你需要为自己的代码做以下调整，以 在Keras1.0上继续运行。请参考编写自己的层 关于Keras-cn 本文档是Keras文档的中文版，包括keras.io的全部内容，以及更多的例子、解释和建议，目前，文档 的计划是： 1.x版本：现有keras.io文档的中文翻译，保持与官方文档的同步 2.x版本：完善所有【Tips】模块，澄清深度学习中的相关概念和Keras模块的使用方法 3.x版本：增加Keras相关模块的实现原理和部分细节，帮助用户更准确的把握Keras，并添加更多 的示例代码 现在，keras-cn的版本号将简单的跟随最新的keras release版本 由于作者水平和研究方向所限，无法对所有模块都非常精通，因此文档中不可避免的会出现各种错误、 疏漏和不足之处。如果您在使用过程中有任何意见、建议和疑问，欢迎发送邮件 到[email protected]与我取得联系。 您对文档的任何贡献，包括文档的翻译、查缺补漏、概念解释、发现和修改问题、贡献示例程序等，均 会被记录在致谢，十分感谢您对Keras中文文档的贡献！ 同时，也欢迎您撰文向本文档投稿，您的稿件被录用后将以单独的页面显示在网站中，您有权在您的网 页下设置赞助二维码，以获取来自网友的小额赞助。 如果你发现本文档缺失了官方文档的部分内容，请积极联系我补充。 本文档相对于原文档有更多的使用指导和概念澄清，请在使用时关注文档中的Tips，特别的，本文档的 额外模块还有： 一些基本概念：位于快速开始模块的一些基本概念简单介绍了使用Keras前需要知道的一些小知 识，新手在使用前应该先阅读本部分的文档。 Keras安装和配置指南，提供了详细的Linux和Windows下Keras的安装和配置步骤。 深度学习与Keras：位于导航栏最下方的该模块翻译了来自Keras作者博客keras.io和其他Keras相关 博客的文章，该栏目的文章提供了对深度学习的理解和大量使用Keras的例子，您也可以向这个栏 目投稿。 所有的文章均在醒目位置标志标明来源与作者，本文档对该栏目文章的原文不具有任何处 置权。如您仍觉不妥，请联系本人（[email protected]）删除。 ### Keras概述与核心特性 #### 一、Keras简介 Keras是一个高级别的神经网络API，用纯Python编写而成，它可以作为TensorFlow或者Theano的前端接口。Keras的设计初衷是为了快速实验，使得开发者可以将想法快速转化为实际成果。Keras支持多种类型的神经网络，包括卷积神经网络(CNN)、循环神经网络(RNN)，甚至可以支持它们的混合使用。此外，Keras还支持多输入和多输出训练，并且能够在CPU和GPU之间无缝切换。 #### 二、Keras的设计原则 Keras的设计原则主要包括以下几个方面： 1. **模块性**：Keras将模型视为一组独立的模块，这些模块可以轻松地进行组合。例如，网络层、损失函数、优化器、初始化策略、激活函数和正则化方法等都是独立的模块。 2. **极简主义**：Keras追求简洁的代码风格，每个模块都被设计得尽可能简单，以便于理解和维护。 3. **易扩展性**：Keras允许用户轻松地添加自定义模块，只需要遵循一定的模式即可。这种灵活性非常适合进行高级的研究工作。 4. **与Python的紧密集成**：Keras使用Python代码来描述模型，这不仅使代码更加紧凑，而且易于调试。此外，这种设计也便于扩展。 #### 三、Keras 1.0版本的新特性 随着Keras进入1.0版本，它引入了许多新特性，包括但不限于： 1. **泛型模型**：这是一种新的模型结构，用于支持复杂的深度学习架构的搭建。 2. **性能提升**：Keras 1.0版本显著缩短了模型的编译时间。对于递归神经网络(RNN)，用户可以根据不同的任务需求选择不同的实现方式以达到最佳性能。特别是对于基于Theano的RNN，可以通过展开的方式获得大约25%的加速效果。 3. **测量指标**：在Keras 1.0中，用户可以在模型的各个监测点定义多个测量指标，以便更好地监控模型的表现。 4. **用户体验优化**：为了提高用户的体验，Keras团队改进了函数API，使之更易于记忆，并提供了更加明确的错误信息。 5. **Lambda层**：新增加的Lambda层可以用于实现简单的计算任务，增强了模型的灵活性。 #### 四、Keras中文文档项目介绍 Keras中文文档项目旨在提供Keras文档的中文翻译版本，包括但不限于keras.io的全部内容以及其他相关资源。该项目的目标是为用户提供更加全面和深入的学习材料。文档的版本计划如下： 1. **1.x 版本**：主要负责翻译和同步官方文档的内容。 2. **2.x 版本**：计划完善所有的“Tips”模块，澄清深度学习概念及Keras模块的使用方法。 3. **3.x 版本**：计划增加Keras相关模块的实现原理和部分细节，并添加更多的示例代码。 #### 五、社区贡献与支持 Keras中文文档项目鼓励社区成员参与文档的改进和完善，无论是翻译、查缺补漏还是概念解释等方面。项目还欢迎社区成员投稿，分享使用Keras的经验和技巧。 ### 结论 Keras作为一个高级别的神经网络库，通过其高度模块化、极简的设计理念以及易扩展性等特点，成为深度学习领域内非常受欢迎的工具之一。随着Keras 1.0版本的发布，其功能进一步增强，用户体验得到了显著改善。Keras中文文档项目的推出，也为中文社区提供了一个学习和交流的平台，有助于进一步推广和发展Keras的应用。