Keras：基于 Python 的深度学习库 PDF版发布啦

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。

截至2018年6月，Keras拥有超过250,000名个人用户。与其他任何深度学习框架相比，Keras在行业和研究领域的应用率更高（除 TensorFlow 之外，且Keras API 是 TensorFlow 的官方前端，通过 tf.keras 模块使用）

Keras 的核心数据结构是model，一种组织网络层的方式。最简单的模型是Sequential 顺序模型，它是由多个网络层线性堆叠的栈。对于更复杂的结构，则应该使用 Keras 函数式 API，它允许构建任意的神经网络图。

Keras简洁高效，30 秒上手，下面以顺序模型为例进行说明。

可以简单地使用来堆叠模型：

在完成了模型的构建后, 可以使用来配置学习过程：

如果需要，你还可以进一步地配置你的优化器。Keras 的核心原则是使事情变得相当简单，同时又允许用户在需要的时候能够进行完全的控制（终极的控制是源代码的易扩展性）。

现在，你可以批量地在训练数据上进行迭代了：

或者，你可以手动地将批次的数据提供给模型：

只需一行代码就能评估模型性能：

或者对新的数据生成预测：

构建一个问答系统，一个图像分类模型，一个神经图灵机，或者其他的任何模型，就是这么的快。深度学习背后的思想很简单，那么它们的实现又何必要那么痛苦呢？

有关 Keras 更深入的教程，请查看官方文档：

英文：https://keras.io

中文：https://keras.io/zh

然而，上述文档均为网页版文档，不便于本地查阅或者打印，因此，小编特地用LaTeX排版整理了上述网页文档的PDF版本，供小伙伴们离线学习。

该文档的目录如下：