Keras: 基于Python的深度学习库

---

Keras 是一个用 Python 编写的高级神经网络 API，它能够以TensorFlow, CNTK或者 Theano作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。

如果你在以下情况下需要深度学习库，请使用 Keras:

• 允许简单而快速的原型设计（由于用户友好，高度模块化，可扩展性）。

• 同时支持卷积神经网络和循环神经网络，以及两者的组合。

• 在 CPU 和 GPU 上无缝运行。

阅读网站：https://keras123.com/

获得方式：

1、扫码下方二维码，添加「Python视界」微信公众号

2、回复「keras深度学习库」（建议复制）即可获取

👆长按上方二维码 2 秒回复「keras深度学习库」即可领取

教程里有什么

教程目录

• 一、快速开始

• Sequential顺序模型指引

• 函数式API指引

• FAQ常见问题解答
  

• 二、模型

• 关于Keras模型

• Sequential顺序模型

• Model（函数式API）
  

• 三、网络层

• 关于Keras网络层

• 核心网络层

• 卷积层Convolutional Layers
  

• 池化层Pooling Layers

• 局部连接层Locally-connected Layers

• 循环层Recurrent Layers

• 嵌入层Embedding Layers

• 融合层 Merge Layers
  

• 高级激活层 Advanced Activations Layers

• 标准化层 Normalization Layers

• 噪声层 Noise layers

• 层封装器 Layer wrappers

• 编写你自己的层
  

• 四、数据预处理

• 序列预处理
  

• 文本预处理

• 图像预处理
  

• 损失函数 Losses

• 评估标准 Metric
  

• 优化器 Optimizers

• 激活函数 Activations
  

• 回调 Callbacks
  

• 常用数据集 Datasets

• 应用 Applications
  

• 后端 Backend

• 初始化 Initializers

• 正则化 Regularizers

• 约束项 Constraints

• 可视化 Visualization

• Scikit-learn API
  

• 工具 Utils

• 贡献

• 五、经典样例

• RNN 加法

• 自定义层 - antirectifier

• Baby RNN

• Baby MemNN

• CIFAR-10 CNN

• CIFAR-10 ResNet

• 卷积滤波器可视化

• 卷积 LSTM

• Deep Dream

• 图片 OCR

• 双向 LSTM

• 1D CNN 文本分类

• CNN-LSTM 情感分类

• Fasttext 文本分类

• LSTM 情感分类

• Sequence to sequence - 训练

• Sequence to sequence - 预测

• Stateful LSTM

• LSTM for 文本生成

• GAN 辅助分类器