新人想學(xué)編程，如何入門？Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？如果您想用少量的代碼盡快地構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且sequential API和model

新人想學(xué)編程，如何入門？

Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？

如果您想用少量的代碼盡快地構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且sequential API和model非常強大。而且keras的設(shè)計非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構(gòu)造過程非常復(fù)雜（尤其對于初學(xué)者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設(shè)計原則之一，用戶可以根據(jù)自己的需求進行組合。如果你只是想快速建立通用模型來實現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點將更加明顯。除了一些對速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會選擇tensorflow

如果您在驗證您的想法時，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個性空間。此外，對神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個變量、操作梯度（以獲得訓(xùn)練進度）等等。

盡管它們都提供了深度學(xué)習(xí)模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計算速度，可以使用tensorflow的thread函數(shù)來實現(xiàn)與多個線程的相同會話。此外，它還提供了調(diào)試器功能，有助于推斷錯誤和加快操作速度。

有人說Keras在TensorFlow中的分量越來越重，對此你怎么看？

其實keras不僅在tensorflow的系統(tǒng)中越來越重要，而且因為它是Google為tensorflow開發(fā)的一套API，所以父母撫養(yǎng)的孩子自然很容易長大。

另外，如果我們將keras視為一種web前端技術(shù)，那么tensorflow在后臺就像Java或PHP。也就是說，keras是一套類似于標(biāo)準(zhǔn)的“UI”，它是為開發(fā)人員設(shè)計的，也就是為“操作員”設(shè)計的一個深度學(xué)習(xí)框架，它便于學(xué)習(xí)和使用，提高了開發(fā)人員的效率。

Keras在2018年擁有25000個人用戶。它的易用性和親和力都非常好。

Keras還支持其他深度學(xué)習(xí)框架。當(dāng)然，它不是為其他深度學(xué)習(xí)框架設(shè)計的，但是它太熱了，而且設(shè)計得很好，所以其他深度學(xué)習(xí)框架的開發(fā)公司都愿意讓自己的框架支持keras。

深度學(xué)習(xí)框架已經(jīng)開發(fā)了相當(dāng)長的時間。到目前為止，許多工程師還不能使用它，或者他們可能缺少像keras這樣的“前端”！