今天开始读一本关于Keras的深度学习书籍，计划每天记录一些所得。
直奔主题，既然要学Keras，那什么是Keras，Keras和其他机器学习、深度学习库有什么区别?
让我们看看Keras中文文档中的定义：
Keras是一个模型库，是为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等低级操作。相反，它依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「后端引擎」。相比单独地选择一个张量库，而将 Keras 的实现与该库相关联，Keras 以模块方式处理这个问题，并且可以将几个不同的后端引擎无缝嵌入到 Keras 中。
简单来说，Keras就是一个包含各种各样深度学习模型并且方便调用的库，通过接口你便可以构造想要的模型，这也就是定义中高层次的意思：你不需要去深入了解怎么实现，只需要去调用即可。同样，高度封装也就意味着灵活性欠缺，你没法像使用TensorFlow那样深入底层，去修改调整甚至创造属于自己的模型。
而目前Keras可以支持的后端(Backend)有三个：TensorFlow 后端，Theano 后端，CNTK 后端。
那什么是后端?
Keras不处理诸如张量乘积和卷积等低级操作。因此，Keras依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「后端引擎」。相比单独地选择一个张量库，而将 Keras 的实现与该库相关联，Keras 以模块方式处理这个问题，并且可以将几个不同的后端引擎无缝嵌入到 Keras 中。
多后端的Keras因此可以作为API更好的整合目前各种深度学习库，兼容各种主流学习库是目前Keras的方向，这也使得Keras除了便捷、友好等特性外也有着很好的前途，充满生机。
另外，还需要了解Keras的一些细节
(1)纯Python语言编写
(2)支持GPU和CPU
(3)适用版本：Python 2.7-3.6以及更新的版本
更多细节，请看Keras中文文档：https://keras.io/zh/
原文链接：https://blog.csdn.net/qq_41629976/article/details/100547479