Sammanfattning
Keras gör det mycket enkelt att skapa och träna neurala nätverk till att utföra en mängd olika uppgifter för djupinlärning. Det är dock fortfarande nödvändigt att förstå olika arkitekturer för neurala nätverk, vilka typer av lager som ska ingå i ett nätverk och storlekarna på dessa lager samt varför och när aktiveringsfunktioner av olika typer ska användas. När du har bestämt dig för vad du ska bygga räcker det dock oftast med några rader kod för att få det gjort. Dessutom gör Keras att du kan experimentera med olika nätverksarkitekturer och implementeringar och snabbt jämföra resultaten.
Läs mer
Om du vill lära dig mer om Keras finns det några bra onlineresurser, däribland Keras-bloggen. Du kanske också vill följa François Chollet på X. François är författare till Keras samt författare till boken Deep Learning med Python, som är den ultimata självinlärningsguiden för Keras. Utöver att introducera Keras och tillhandahålla viktiga insikter som hjälper dig att använda det på ett effektivt sätt innehåller boken en praktisk introduktion till djupinlärning som är oberoende av de plattformar och bibliotek du använder.