如何從零使用KerasTensorFlow開發

1樓：阿杰9號

安裝 h5py，用於模型的儲存和載入：

pip install h5py

還有一些依賴包也要安裝。

pip install numpy scipy

pip install pillow

為什麼選擇keras的原因：

keras 是 google 的一位工程師françois chollet 開發的一個框架，可以幫助你在 theano 上面進行快速原型開發。後來，這被擴充套件為 tensorflow 也可以作為後端。並且最近，tensorflow決定將其作為 contrib 檔案中的一部分進行提供。

keras 被認為是構建神經網路的未來，以下是一些它流行的原因：

輕量級和快速開發：keras 的目的是在消除樣板**。幾行 keras **就能比原生的 tensorflow **實現更多的功能。

你也可以很輕鬆的實現 cnn 和 rnn，並且讓它們執行在 cpu 或者 gpu 上面。

keras基礎知識

在keras中主要的資料結構是 model ，該結構定義了一個完整的圖。你可以向已經存在的圖中加入任何的網路結構。import keras

keras 有兩種不同的建模方式：

sequential models：這種方法用於實現一些簡單的模型。你只需要向一些存在的模型中新增層就行了。

functional api：keras的api是非常強大的，你可以利用這些api來構造更加複雜的模型，比如多輸出模型，有向無環圖等等。

python深度學習該從keras，tensorflow，scikit-learn中哪個入手？

2樓：大資料小庫

最後一個就不用想了，那個是做機器學習的專業，實現了一個神經網路，但是太簡單了

keras和tensorflow已經合併了，我覺得tensorflow寫起來太難受了，但我都不覺得他們好，目前最好的應該是fast.ai，

在安裝了anaconda4.2.0、tensorflow和keras之後，執行程式顯示如下 10

3樓：匿名使用者

在釋出逾一週年之際，tensorflow 終於將迎來史上最重大更新：tensorflow 1.0。

對於不熟悉開源框架的讀者，tensorflow 是谷歌 2015 年底推出的深度學習框架，在開發者社群享有盛譽。去年，它已成為 github 最受歡迎的機器學習開源專案。因其高度普及率，尤其是在 python 生態圈中，tensorflow 的功能變化會對全世界的機器學習開發者造成重大影響。