在本章中，我們將深度學習與不同的圖書館和框架聯(lián)系起來。

使用Theano的深度學習

如果想開始編碼一個深度神經(jīng)網(wǎng)絡(luò)，最好有一個想法，了解不同的框架，如:Theano，TensorFlow，Keras，PyTorch等是如何工作的。

Theano是一個python庫，它提供了一套用于構(gòu)建在我們的機器上快速訓練的深層網(wǎng)絡(luò)的功能。

Theano由加拿大蒙特利爾大學在Yoshua Bengio領(lǐng)導下發(fā)展成為一位深度網(wǎng)絡(luò)的先鋒。

Theano可定義和評估數(shù)學表達式，其中矩陣是矩形數(shù)組。

從技術(shù)上講，神經(jīng)網(wǎng)絡(luò)和輸入數(shù)據(jù)都可以表示為矩陣，所有標準網(wǎng)絡(luò)操作都可以重新定義為矩陣運算。 這很重要，因為電腦可以非?？焖俚貓?zhí)行矩陣操作。

我們可以并行處理多個矩陣值，如果我們用這個底層結(jié)構(gòu)構(gòu)建一個神經(jīng)網(wǎng)絡(luò)，可以使用一臺帶有GPU的機器在合理的時間窗口內(nèi)訓練巨大的網(wǎng)絡(luò)。

但是，如果使用Theano，必須從頭開始建立深層網(wǎng)絡(luò)。 該庫不提供用于創(chuàng)建特定類型的深層網(wǎng)絡(luò)的完整功能。

相反，必須編碼深層網(wǎng)絡(luò)的每個方面，如模型，圖層，激活，訓練方法和任何特殊的方法來停止過度擬合。

然而，好消息是Theano允許在矢量化函數(shù)的頂層實現(xiàn)構(gòu)建，為我們提供高度優(yōu)化的解決方案。

還有許多其他庫擴展了Theano的功能。 TensorFlow和Keras可以與Theano一起用作后端。

使用TensorFlow的深度學習

谷歌TensorFlow是一個Python庫。 這個庫是構(gòu)建商業(yè)級深度學習應(yīng)用程序的絕佳選擇。

TensorFlow從另一個庫:DistBelief V2誕生，它是Google Brain Project的一部分。 該庫旨在擴展機器學習的可移植性，使研究模型可以應(yīng)用于商業(yè)級應(yīng)用。

與Theano庫非常相似，TensorFlow基于計算圖，其中節(jié)點表示持久數(shù)據(jù)或數(shù)學運算，邊表示節(jié)點之間的數(shù)據(jù)流，即多維數(shù)組或張量; 因此得名TensorFlow

一個操作或一組操作的輸出作為輸入被饋送到下一個。

盡管TensorFlow是為神經(jīng)網(wǎng)絡(luò)設(shè)計的，但對于可以將計算模型化為數(shù)據(jù)流圖的其他網(wǎng)絡(luò)來說，它非常適用。

TensorFlow還使用了Theano的幾個特性，如常見和子表達式消除，自動分化，共享和符號變量。

可以使用TensorFlow(卷積網(wǎng)，自動編碼器，RNTN，RNN，RBM，DBM/MLP等)構(gòu)建不同類型的深網(wǎng)。

但是，在TensorFlow中不支持超參數(shù)配置。對于此功能，我們可以使用Keras。

使用Keras的深度學習

Keras是一個功能強大且易于使用的Python庫，用于開發(fā)和評估深度學習模型。

它具有簡約的設(shè)計，可以逐層建立網(wǎng)絡(luò); 訓練它，并運行它。

它包裝了高效的數(shù)值計算庫Theano和TensorFlow，并允許我們用幾行簡短的代碼定義和訓練神經(jīng)網(wǎng)絡(luò)模型。

它是一個高級神經(jīng)網(wǎng)絡(luò)API，有助于廣泛使用深度學習和人工智能。 它運行在包括TensorFlow，Theano等許多底層庫上面。 Keras碼是可移植的; 可以在Keras中使用Theano或TensorFlow作為后端而不需要對代碼進行任何更改來實現(xiàn)神經(jīng)網(wǎng)絡(luò)。