如何评价深度学习框架Keras？

Keras的口号是：

尽可能缩短从想法到结果的延迟是做好研究的关键。

所以，推荐用Keras来学习深度学习（像不像绕口令）。对于学习而言，及时反馈非常非常重要。所以编程语言的学习经常推荐用REPL（读取-求值-输出 循环，Read-Eval-Print Loop）。深度学习同理。

（图片来源：Keras官网）

得益于Keras精心设计的API和优良的文档，用Keras搭神经网络，是难以想象的方便。不消一刻钟，参考Keras的文档，就可以搭一个神经网络：

# 导入模块

from keras.models import Sequential

from keras.layers import Dense

import numpy as np

model = Sequential()

# 加上一些密集层

model.add(Dense(units=64, activation=’relu’, input_dim=1424))

model.add(Dense(units=2696))

# 指定损失函数为MSE，使用Adam优化

model.compile(loss='mse', optimizer='adam')

# 拟合数据

model.fit(predictors[0:80,], estimator[0:80,], validation_data=(predictors[81:,],estimator[81:,]), epochs=80, batch_size=32)

# 保存结果

np.savetxt("keras_fit.csv", model.predict(data), delimiter=",")

看，我没有骗你，就是这么简单。