摘要：在年月首次推出，现在用户数量已经突破了万。其中有数百人为代码库做出了贡献，更有数千人为社区做出了贡献。现在我们推出，它带有一个更易使用的新，实现了与的直接整合。类似的，正在用实现份额部分规范，如。大量的传统度量和损失函数已被移除。
Keras 在 2015 年 3 月首次推出，现在用户数量已经突破了 10 万。其中有数百人为 Keras 代码库做出了贡献，更有数千人为 Keras 社区做出了贡献。Keras 已经催生了新的创业公司、提高了研究者的成果率、简化了大公司的工程流程图、并为数以千计没有机器学习经验的人打开一扇通向深度学习的大门。而我们相信这仅仅是个开始。
现在我们推出 Keras 2，它带有一个更易使用的新 API，实现了与 TensorFlow 的直接整合。这是在 TensorFlow 核心整合 Keras API 所准备的重要一步。
Keras 2 有很多新变化，下面是简明概览：
与 TensorFlow 整合
尽管 Keras 自 2015 年 12 月已经作为运行时间后端（runtime backend）开始支持 TensorFlow，Keras API 却一直与 TensorFlow 代码库相分离，这种情况正在改变：从 TensorFlow 1.2 版本开始，Keras API 可作为 TensorFlow 的一部分直接使用，这是 TensorFlow 在向数百万新用户开源的道路上迈出的一大步。
Keras 较好被理解为一个 API 技术规范，而不是一个特殊的代码库。事实上，继续发展将会出现 Keras 技术规范的两个不同实现：（a）TensorFlow 的内部实现（如 tf.keras），纯由 TensorFlow 写成，与 TensorFlow 的所有功能深度兼容；（b）外部的多后台实现，同时支持 Theano 和 TensorFlow（并可能在未来有更多的后台）。
类似的，Skymind 正在用 Scala 实现 Keras 份额部分规范，如 ScalNet。为了在浏览器中运行，Keras.js 正在用 JavaScript 运行 Keras 的部分 API。正因如此，Keras API 注定成为深度学习从业者的通用语言，在不同的工作流程中共享并独立于底层平台。像 Keras 这样的统一 API 规范将促进代码共享，提高研究的再生产率，并允许更大支持社区的存在。
新 API
新的 Keras 2 API 是我们较早的长期支持的 API：下个月 Keras 2 的代码库将在的软件上开始运行数年。为了将其变为可能，考虑到未来会出现的问题，我们在这次发布中大量修改了 API。特别是，我们的新 API 选项完全兼容 TensorFlow 规范。
大多数层的 API 有了显著变化，特别是 Dense、BatchNormalization 和全卷积层。然而，我们已经设置好了兼容接口，这样你的 Keras 1 代码就可以在 Keras 2 上无障碍运行了（同时发出警告来帮助你转换对新 API 的层调用）。
训练和评估生成器方法的 API 已经改变（如： fit_generator、predict_generator 和 evaluate_generator）。不过，无需担心，Keras 1 的调用依然适用于 Keras 2。
fit、nb_epoch 已重命名为为 epochs。我们的 API 转换接口也适用于这项改变。
很多层所保存的权重格式已经改变。然而，Keras 1 上保存的权重文件依然能在 Keras 2 模型上加载。
objectives 模块已更名为 losses。
显著修改
考虑到 Keras 的广大用户基础，我们尽量不对 Keras 做根本变动，但是，还是有些变动不可避免，尤其是对于更高阶的用户来讲。
传统层 MaxoutDense、TimeDistributedDense 和 Highway 已被永久移除。
大量的传统度量和损失函数已被移除。
BatchNormalization 层不再支持 mode 参数。
由于 Keras 内部构件已经改变，自定义层被升级。改变相对较小，因此将变快变简单。参见指南：https://keras.io/layers/writing-your-own-keras-layers/
通常来讲，任何使用非正式的 Keras 功能编写的代码将会失效，因此高阶用户也许需要做一些相应的更新工作。
开始
你可以：
从 PyPI：pip install keras --upgrade 安装 Keras 2
在 Github 上查看代码：https://github.com/fchollet/keras
阅读已更新的文档：https://keras.io/
原文地址：https://blog.keras.io/introducing-keras-2.html
欢迎加入本站公开兴趣群商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识
QQ群：81035754
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/4494.html
摘要：第一个深度学习框架该怎么选对于初学者而言一直是个头疼的问题。简介和是颇受数据科学家欢迎的深度学习开源框架。就训练速度而言，胜过对比总结和都是深度学习框架初学者非常棒的选择。 「第一个深度学习框架该怎么选」对于初学者而言一直是个头疼的问题。本文中，来自 deepsense.ai 的研究员给出了他们在高级框架上的答案。在 Keras 与 PyTorch 的对比中，作者还给出了相同神经网络在不同框...
摘要：相比于直接使用搭建卷积神经网络，将作为高级，并使用作为后端要简单地多。测试一学习模型的类型卷积神经网络数据集任务小图片数据集目标将图片分类为个类别根据每一个的训练速度，要比快那么一点点。 如果我们对 Keras 在数据科学和深度学习方面的流行还有疑问，那么考虑一下所有的主流云平台和深度学习框架的支持情况就能发现它的强大之处。目前，Keras 官方版已经支持谷歌的 TensorFlow、微软的...
摘要：版本正式发布啦本文将为大家介绍此版本的一些重大改变主要功能和改进修复以及其他变化。主要特点和改进现在根据预构建的二进制文件是针对和构建的。，，开始支持分布式在中添加的分布式策略支持和独立客户端支持。 TensorFlow 1.11.0 版本正式发布啦！本文将为大家介绍此版本的一些重大改变、主要功能和改进、Bug 修复以及其他变化。主要特点和改进Nvidia GPU：现在（根据 TensorF...
摘要：现场宣布全球领先的深度学习开源框架正式对外发布版本，并保证的本次发布版本的接口满足生产环境稳定性要求。有趣的应用案例皮肤癌图像分类皮肤癌在全世界范围内影响深远，患病人数众多，严重威胁身体机能。 前言本文属于介绍性文章，其中会介绍许多TensorFlow的新feature和summit上介绍的一些有意思的案例，文章比较长，可能会花费30分钟到一个小时Google于2017年2月16日（北京时间...
摘要：我们对种用于数据科学的开源深度学习库作了排名。于年月发布了第名，已经跻身于深度学习库的上半部分。是最流行的深度学习前端第位是排名较高的非框架库。颇受对数据集使用深度学习的数据科学家的青睐。深度学习库的完整列表来自几个来源。 我们对23种用于数据科学的开源深度学习库作了排名。这番排名基于权重一样大小的三个指标：Github上的活动、Stack Overflow上的活动以及谷歌搜索结果。排名结果...
阅读 749·2021-09-22 15:26
阅读 2336·2021-09-09 11:52
阅读 1602·2021-09-02 09:52
阅读 2075·2021-08-12 13:28
阅读 1056·2019-08-30 15:53
阅读 361·2019-08-29 13:47
阅读 3254·2019-08-29 11:00
阅读 2947·2019-08-29 10:58
