亡于谷歌？

由 Google AI 开发人员 / 研究人员 Francois Chollet 创建并开发的，作者于 2015 年 3 月 27 日将 Keras 的第一个版本 commit 并 release 到他的 GitHub 上。一开始，Francois 开发 Keras 是为了方便他自己的研究和实验。但随着深度学习的普及，许多开发人员、程序员和机器学习从业人员都因其易于使用的 API 而涌向 Keras。

为了训练你自己的自定义神经网络，Keras 需要一个后端。后端是一个计算引擎——它可以构建网络的图和拓扑结构，运行优化器，并执行具体的数字运算。你可以把后台看作是你的数据库，Keras 是你用来访问数据库的编程语言。

一开始，在 v1.1.0 之前，Keras 的默认后端都是 Theano。与此同时，Google 发布了 TensorFlow，这是一个用于机器学习和神经网络训练的符号数学库。Keras 开始支持 TensorFlow 作为后端。渐渐地，TensorFlow 成为最受欢迎的后端，这也就使得 TensorFlow 从 Keras v1.1.0 发行版开始成为 Keras 的默认后端。

一般来说，一旦 TensorFlow 成为了 Keras 的默认后端，TensorFlow 和 Keras 的使用量会一起增长——没有 TensorFlow 的情况下就无法使用 Keras，所以如果你在系统上安装了 Keras，那么你也得安装 TensorFlow。

同样的，TensorFlow 用户也越来越被高级 Keras API 的简单易用所吸引。tf.keras 是在 TensorFlow v1.10.0 中引入的，这是将 keras 直接集成到 TensorFlow 包中的第一步。

tf.keras 软件包与你通过 pip 安装的 keras 软件包（即 pip install keras）是分开的。为了确保兼容性，原始的 keras 包没有被包含在 tensorflow 中，因此它们的开发都很有序。

然而，这种情况后来发生了改变改变——当谷歌在 2019 年 6 月发布 TensorFlow 2.0 时，他们宣布 Keras 现在是 TensorFlow 的官方高级 API，用于快速简单的模型设计和训练。随着 Keras 2.3.0 的发布，Francois 在声明中写道：

这是 Keras 首个与 tf.keras 同步的版本，也是 Keras 支持多个后端（即 Theano，CNTK 等）的最终版本。最重要的是，所有深度学习从业人员都应将其代码转换成 TensorFlow 2.0 和 tf.keras 软件包。原始的 keras 软件包仍会接收 bug 并修复

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!