Keras, inicialmente desenvolvido como parte de um projeto de pesquisa chamado ONEIROS, é uma API de rede neural de alto nível de código aberto, escrita em Python e capaz de rodar em TensorFlow, CNTK, Theano. Keras foi projetado para permitir experimentação rápida com deep neural networks.

A biblioteca de deep learning se concentra em ser mínima, modular e extensível, além de agrupar bibliotecas de computação numérica com eficiência, como Theano e TensorFlow. Ele permite que seus usuários definam e treinem modelos de redes neurais em apenas algumas linhas curtas de código.

A interface de programação do aplicativo Keras é muito familiar para quem trabalhou com a conhecida e aceita API de aprendizado Scikit. Keras suporta redes convolucionais e recorrentes, bem como combinações de ambas. Funciona sem grandes esforços de CPU e GPU.

Os recursos da sua biblioteca incluem inúmeras implementações de blocos de construção de redes neurais amplamente usadas, como camadas, objetivos, funções de ativação, otimizadores e também várias ferramentas para trabalhar com dados de imagem e texto mais rapidamente.

A biblioteca Keras segue as práticas recomendadas para reduzir a carga cognitiva e, portanto, oferece APIs consistentes e diretas, minimizando o número de ações do usuário necessárias para casos de uso diários e também fornecendo feedback claro e acionável no caso de um erro. O modelo pode ser entendido como um gráfico ou uma sequência de módulos independentes totalmente configuráveis ​​que podem ser conectados com as menores restrições possíveis.

Por exemplo, otimizadores, esquemas de inicialização, camadas neurais, esquemas de suavização, funções de custo, funções de ativação, são todos módulos independentes que podem ser combinados para criar novos modelos.

Novos módulos provam ser mais simples de adicionar novas classes e funções, e os módulos que já existem fornecem muitos exemplos. A capacidade de criar novos módulos facilmente permite ao usuário total expressividade, tornando a biblioteca adequada para pesquisas avançadas. Não há arquivo de configuração de modelo separado no formato declarativo. Os modelos foram descritos em Python, que é compacto, mais confortável para depurar e também permite facilidade de extensibilidade.

Portanto, podemos concluir dizendo que Keras é um deep learning para Python, através do qual se pode aprender a pré-processar dados, modelar, avaliar e otimizar redes neurais. A Deep Learning Library acaba sendo uma alternativa de alto nível ao TensorFlow e Theano. Portanto, esta biblioteca se concentra na estrutura do modelo, evitando a complexidade da programação numérica nas GPUs.

Complete Tensorflow 2 and Keras Deep Learning BootcampLearn to use Python for Deep Learning with Google's latest Tensorflow 2 library and Keras! 4.7 (2064 ratings)115 lectures, 19 hoursAll Levels

Bestseller Deep Learning with Python and KerasUnderstand and build Deep Learning models for images, text and more using Python and Keras 4.3 (2493 ratings)148 lectures, 10 hoursIntermediate Level

Modern Deep Learning in PythonBuild with modern libraries like Tensorflow, Theano, Keras, PyTorch, CNTK, MXNet. Train faster with GPU on AWS. 4.6 (2216 ratings)81 lectures, 10 hoursAll Levels

A Complete Guide on TensorFlow 2.0 using Keras APIBuild Amazing Applications of Deep Learning and Artificial Intelligence in TensorFlow 2.0 4.3 (1214 ratings)133 lectures, 13 hoursBeginner Level

Keras: Deep Learning in PythonBuild complex deep learning algorithms easily in Python 3.8 (149 ratings)39 lectures, 10 hoursAll Levels

Practical Deep Learning with Keras and PythonLearn to apply machine learning to your problems. Follow a complete pipeline including pre-processing and training. 4.3 (345 ratings)29 lectures, 3 hoursBeginner Level

Machine Learning and Deep Learning using Tensor Flow & KerasA-Z Course for Google's Deep Learning Framework - TensorFlow with Python! Learn to use functions and apply Codes. 1.9 (139 ratings)99 lectures, 11 hoursAll Levels

Tensorflow and Keras For Neural Networks and Deep LearningMaster the Most Important Deep Learning Frameworks (Tensorflow & Keras) for Python Data Science 4.6 (345 ratings)77 lectures, 8 hoursAll Levels

LEARNING PATH: Keras: Deep Learning with KerasGrasp all the knowledge you need to train your own deep learning models to solve different kinds of problems 3.4 (14 ratings)72 lectures, 8 hoursBeginner Level

Deep Learning for Computer Vision with Tensor Flow and KerasConvNets, VGG-16, ResNet, Faster R-CNN, TensorFlow Object Detection, YOLOv2-v3. Train your own data. 4.3 (362 ratings)59 lectures, 10 hoursIntermediate Level

Presentation of the video courses powered by Udemy for WordPress.