Некоторые преимущества использования фреймворка Keras для разработки глубоких нейронных сетей:

• Удобство. 1 Keras упрощает создание и настройку моделей. 1 Функции и инструменты имеют понятные названия, поэтому код легко читается. 1 Для решения частых задач нужно выполнить минимальное количество действий. 1
• Модульность. 1 Keras состоит из модулей, у каждого из которых своя функциональность. 1 Эти модули — типовые слои нейронных сетей, функции и схемы. 1 Разработчик собирает из них модель, как в конструкторе. 1
• Расширяемость. 1 Функциональность библиотеки можно расширять с помощью пользовательских модулей. 1 Если понадобится собственный «блок», его легко можно написать самостоятельно и связать с остальными. 1
• Высокая скорость работы. 1 Работать с нейронными сетями становится проще, поэтому разработчик быстрее создаёт функционирующую модель, обучает и запускает её. 1 Библиотека быстро развёртывает и собирает модели. 1
• Поддержка разных движков. 4 Keras предлагает поддержку нескольких бэкенд-движков, включая Tensorflow, Theano и CNTK. 4 Любой из них может быть выбран на основе требований проекта. 4
• Натренированные модели. 4 Keras предоставляет несколько моделей глубокого обучения с натренированными весами. 4 Их можно использовать для предсказания или извлечения признаков. 4
• Поддержка нескольких GPU. 4 Keras позволяет тренировать модель как на одном, так и на нескольких GPU. 4 Это обеспечивает поддержку параллелизма данных и позволяет обрабатывать большие объёмы. 4