Keras的优缺点

2019独角兽企业重金招聘Python工程师标准>>>

参加过几个机器学习和深度学习的比赛后，对Keras有更深刻的认识。作为一个深度学习工具，Keras是我见过的最易用的工具了。

优点：

1、API简单，易用。

2、文档齐全，并且文档内容组织地很好。从简单到复杂，一步步的指引。

3、扩展性好。后端支持Tensorflow, theano,mxnet,cntk.  而且自定义层也比较好写。

4、使用人群分布很广。深度学习的初学者喜欢用，制造技术'轮子'的主力人群(博士和研究生)也喜欢用。这点很重要。因为我注意到，当一个新的技术出来的时候，往往你很快就能找到相关的Keras例子。你很容易找到使用Keras的同道进行交流。

缺点：

1、速度慢。后端如果使用mxnet或cntk，速度会快些；如果使用Tensorflow或theano，速度很慢。而且Keras本身是一个中间层，通过它调用Tensorflow或theano，会比单独使用Tensorflow或theano要慢。

2、程序占用GPU内存比较多。我以前从来没遇到过，模型加一层Dropout或者BatchNormalization就会导致GPU内存溢出。但最近用Keras训练一个大尺寸的U-NET模型的时候，就频繁遇到了GPU内存溢出问题。此外，想要使用Keras的PRelu激活层，那你得准备更多的GPU内存才行。究其原因，可能是Keras的层，为了扩展性好，大多数是用Python实现的。在性能和内存管理方面缺乏效率。

有鉴于此，我准备慢慢转到mxnet和pytorch上.

 

 

 

转载于:https://my.oschina.net/qinhui99/blog/1533770