为什么选择 Keras？

    • Keras 是为人类而非机器设计的 API。Keras 遵循减少认知困难的最佳实践: 它提供一致且简单的 API，它将常见用例所需的用户操作数量降至最低，并且在用户错误时提供清晰和可操作的反馈。

    • 这使 Keras 易于学习和使用。作为 Keras 用户，你的工作效率更高，能够比竞争对手更快地尝试更多创意，从而。

    Keras 被工业界和学术界广泛采用

    你已经在不断与 Keras 构建的功能进行交互 - 它正在被 Netflix, Uber, Yelp, Instacart, Zocdoc, Square 等其他机构使用。它尤其受以深度学习作为产品核心的创业公司的欢迎。

    Keras 也大受深度学习研究者的喜爱。在上传到学术论文网站 的论文中被提及的次数位居第二：

    与任何其他深度学习框架相比，你的 Keras 模型可以轻松部署在更广泛的平台上：

    • 在 iOS 上，通过 Apple’s CoreML（苹果为 Keras 提供官方支持）。
    • 在安卓 上，通过 TensorFlow Android runtime，例如：/how-hbos-silicon-valley-built-not-hotdog-with-mobile-tensorflow-keras-react-native-ef03260747f3">Not Hotdog app。
    • 在浏览器上，通过 GPU 加速的 JavaScript 运行时，例如：Keras.js 和 。
    • 在 Google Cloud 上，通过 TensorFlow-Serving。
    • [在 Python 网页应用后端（比如 Flask app）中]（
    • 在 JVM，通过 SkyMind 提供的 DL4J 模型导入。
    • 在 Raspberry Pi 树莓派上。

    Keras 支持多个后端引擎，并且不会将你锁定到一个生态系统中

    你的 Keras 模型可以基于不同的深度学习后端开发。重要的是，任何仅利用内置层构建的 Keras 模型，都可以在所有这些后端中移植：用一种后端训练模型，再将它载入另一种后端中（比如为了发布）。支持的后端有：

    • 谷歌的 TensorFlow 后端
    • Theano 后端

    亚马逊也正在为 Keras 开发 MXNet 后端。

    • 。
    • Google TPU，通过 TensorFlow 后端和 Google Cloud。
    • OpenGL 支持的 GPU, 比如 AMD, 通过 。

    Keras 的发展得到深度学习生态系统中的关键公司的支持

    Keras 的开发主要由谷歌支持，Keras API 以 tf.keras 的形式包装在 TensorFlow 中。此外，微软维护着 Keras 的 CNTK 后端。亚马逊 AWS 正在开发 MXNet 支持。其他提供支持的公司包括 NVIDIA、优步、苹果（通过 CoreML）等。