Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow、CNTK、或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。这一次发布的是 Keras 官方中文文档，它得到了严谨的校对而提升了整体质量。但该项目还在进行中，虽然目前已经上线了很多 API 文档和使用教程，但仍然有一部分内容没有完成。
如果你有如下需求，请选择 Keras：
当前，我国高等院校本科人工智能专业以培养人工智能应用型人才为主，在立足熟练应用先进的人工智能信息化工具的同时，为进一步向科研型人才深入探索与发展打下坚实的理论与技术基础。算法工程师，又称：人工智能工程师、机器学习/深度学习工程师；属于算法工程型人才，同时也是当前国内本科人工智能专业重点培养人才，在整个人工智能项目生命周期中充当关键的角色，是人工智能基础研究与产业应用之间的关键连接，采用最新的机器学习技术，使用适用于解决问题的数据集来获取解决特定的业务问题，并确保其能大规模部署上线服务。对口专业包括：人工智能、计算机科学，数据科学与大数据技术，数学，运筹学，物理，电气工程专业等。主要工作职责包括[……]
自动化机器学习 (AutoML) 可以帮助机器学习管道中的某些关键组件实现自动化。其中机器学习管道包括数据理解、数据工程、特征工程、模型训练、超参数调整、模型监控等。
在这篇文章中，分享 8 个开源的 autoML 框架：
Auto-sklearn 是基于 scikit-learn 软件包构建的开源 AutoML 库。它为给定的数据集找[……]
本文将以 Linux 系统下安装 tensorflow 为例来讲解计算机视觉开发环境的搭建过程。
首先去 Nvidia 官网上查看适合你的 GPU 的驱动（http://www.nvidia.com/Download/index.aspx?lang=en-us）。选择 GPU 产品类型（以下用的是 NVIDIA TITAN Xp），查找适合的驱动如下图：
下载 NVIDIA 驱动安装包（.run格式）。下载后的文件为：
这个项目并不复杂，但却包含了基本的嵌入式表征模型、CNN、RNN、注意力模型、Transformer 等的 13 个重要模型的核心代码实现。整体而言，基本所有代码都是作者自己完成的，当然都会借鉴已有的实现。很多模型都同时有 TensorFlow 和 PyTorch 两种版本，但像 Transformer 和 BERT 等拥有谷歌官方实现的模型，作者只提供了 PyTorch 实现。据作者介绍，随后他计划将添加 Keras 版本的实现。
引入瞩目的是，这个项目中几乎所有模型的代码实现长度都在 100 行左右（除了注释和空行外），很多预处理、模型持久化和可视化等操作都被简化或删除了。因此精简后[……]
大数据深度学习逐步成为研究的主流趋势。这是《30 天吃掉那只 TensorFlow2.0》里面的其中一篇，介绍在 Spark 中调用训练好的 TensorFlow 模型进行预测的方法。本篇文章通过 TensorFlow for Java 在 Spark 中调用训练好的 TensorFlow 模型。利用 Spark 的分布式计算能力，从而可以让训练好的 TensorFlow 模型在成百上千的机器上分布式并行执行模型推断。
本案例以 TensorFlow 2.0 的 tf.keras 接口训练的线性模型为例进行演示。在本例基础上稍作修改则可以用 Spark 调用训练好的各种复杂的神经网络模型[……]
『山川异域，风月同天』—— 新冠肺炎疫情牵动着举国上下的心，包括跨象乘云™ 在内，众多高科技企业除了向灾区捐赠物资，配合疫情防控工作，延期复工 / 远程办公的同时，也在积极探索如何利用大数据、新一代人工智能等新技术为『战疫』助力。
近日，AIZOO 开源了 PyTorch、TensorFlow、MXNet、Keras 和 Caffe 等五大主流深度学习框架的人脸口罩检测模型和代码。同时，对于学习《多框架人工智能开发》课程的人工智能专业学生而言，是非常好的项目锻炼。
项目 GitHub 地址[……]
在这次新冠肺炎『战疫』中，面向医疗医学的深度学习与新一代人工智能科研攻关越显重要。如：在 Keras 中通过递归神经网络（RNN）为时间序列数据建模；使用 MedNIST 数据集进行医学图像分类；应用深度学习数据科学工作流在医疗领域；使用 DIGITS 实现医学影像分割；使用 TensorFlow 实现图像分类；使用 R 和 MXNet 实现医学影像分析；使用 GAN 对医学图像进行数据集扩展与图像分割；将由粗到细的上下文记忆应用于医学影像 …… 都是非常热门的研究方向。
其中，胸部放射影像是全球最常见的影像检查，对很多威胁终身的疾病的筛查、诊断和治疗至关重要。在论文《CheXpert:[……]
以深度学习为核心的新一代人工智能技术发展到今天，已逐步形成一个庞大的生态结构，覆盖了：经典机器学习、深度学习、强化学习、自然语言处理、语音识别、计算机视觉、分布式训练、自动建模、IDEs 系统、平台、评分推理系统等完整的细分领域 —— 正确合理的选择与开发内容相匹配的工具，常常会使科学研究工作事半功倍，同时，选择正确高效的工具也是技术应用类专业建设的重要环节。
跨象乘云™ 持续致力为高等院校打造深度学习与新一代人工智能科研教学一体化实验平台，在进一步将深度学习系统与容器化基础设施架构紧密集成的同时，对新一代人工智能开源生态系统提供全方位的支撑，加速高校科研效率及科研成果落地。详细项目列表[……]
本课程，是更全面介绍深度学习各类神经网络：CNN、RNN、LSTM 及框架：TensorFlow，Keras，Caffe 等的进阶课程。学生在本课程中将进一步学习深度学习的技术、术语和数学原理，理解基础神经网络架构、前馈网络、卷积网络和循环网络结构，认识如何恰当地构建和训练这些模型，了解并解释深度学习的实际应用，并使用“预训练”模型达到最佳结果。同时，配合神经网络训练可视化引擎，以及项目实现代码，让学生更为直观的了解深度学习技术在经典数据集 MNIST，CIFAR-10 上的工作过程。学生在完成本课程后，将能独立完成时装服饰图片分类，电影评论文字分类，房地产价格回归预测，使用循环神经网络实现文[……]
找到的驱动版本如下所示：