尚小馨的博客

Keras是什么 Keras是一个高层神经网络库，Keras由纯Python编写而成，基于Theano和TensorFlow的深度学习库。Keras为支持快速实验而生，能够把你的idea迅速转换成结果，如果你有如下需求，请选择Keras： 简易而快速的原型设计（Keras具有高度模块化，极简和可扩充性）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CP

遇到的问题 安装好keras后，本打算试探性写点代码，测试其是否安装成功，突然遇到如图所示的问题。然后查了Keras中文文档，才恍然大悟。我之前刚刚只装了Theano，并没有装Tensorflow。而作为Keras的“后端引擎”，默认是Tensorflow，那我们来手动改一下吧，顺便普及一些基本知识（共同学习，共同探讨）什么是“后端” Keras是一个模型级的库，提供了快速构建深度学习网络

Keras的核心数据结构是“模型”，模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型，Sequential是一系列网络层按顺序构成的栈。你也可以查看泛型模型来学习建立更复杂的模型 以代码和注释的结合的方式来具体了解一下如何快速使用Keras。

符号计算 Keras的底层库使用Theano或TensorFlow，这两个库也称为Keras的后端，无论事Theano还是TensorFlow，都是一个符号主义的库。 关于符号主义，可以一般概括为这种说法：符号主义的计算首先定义各种变量，然后建立一个“计算图”，计算图规定了各个变量之间的计算关系。建立好的计算图需要编译已确定其内部细节，然而，此时的计算图还是一个“空壳子”，里面没有任何实际

Sequential是多个网络层的线性堆叠。 看到以上关于layer（层）的概念，兴许，对于刚刚接触Keras的童鞋们来说还是比较懵逼，例如我，然后参考了其他的一些博主的成果，有种“柳暗花明”的赶脚。 Keras实现了很多层，包括core核心层，Convolution卷积层、Pooling池化层等非常丰富有趣的网络结构。而实现一个Sequential模型（相对比较特殊）则需要多个层来共同

重点介绍Sequential模型方法compilecompile(self, optimizer, loss, metrics=[], sample_weight_mode=None, **kwargs) 编译用来配置模型的学习过程，其参数有：optimizer: str (name of optimizer) or optimizer object. optimizer:字符串（预定义优