昨天， 著名深度學習開源庫 Keras 通過官方博客正式發佈了全新版本：Keras 2。
根據官方介紹， 此次更新的重點有兩個：
Keras 2 API 將作為 TensorFlow 框架的一部分直接向用戶提供支援；
Keras 2 API 經過了重新設計， 將成為團隊第一個長期支持（long-term-support）的 API。
Keras 表示：從 2015 年 3 月發佈第一個版本以來， 有數以百計的開發人員對 Keras 的開原始程式碼做了完善和拓展， 數以千計的熱心用戶在社區對 Keras 的發展做出了貢獻。 目前， 有大量的 AI 初創公司在 Keras 的幫助下掛牌成立， 大量的研究人員通過 Keras 有效提升了研發效率， 大公司的工程師們則通過 Keras 大大簡化了他們的工作流程。 更為重要的是， 通過使用 Keras， 更多的從前完全沒有機器學習開發經驗的用戶， 從此步入了深度學習的世界。
融入 TensorFlow， 成為深度學習的通用語言
在本次版本更新中， 最重要的一項內容就是增強了 Keras 與 TensorFlow 的邏輯一致性。 按照 Keras 在博客中的說法：“這是將 Keras API 整合到 TensorFlow 核心的一個重要的準備步驟”。
實際上， 從 2015 年 12 月的版本開始， Keras 就已經支持用戶將 TensorFlow 作為運行後端（runtime backend）， 但此前， Keras 的 API 與 TensorFlow 的代碼庫尚處於相互隔離的狀態。 未來， 從 TensorFlow 1.2 版本開始， Keras 2 API 將作為 TensorFlow 框架的一部分直接向用戶提供支持， Keras 在博客中表示：“這是 TensorFlow 實現下一個百萬使用者級目標的關鍵”。
Keras 在博客中表示， 他們更願意人們將 Keras 視為一種通用的 API 規範， 而不僅僅是一個具體的代碼庫。 在這個意義上， 他們將此前的 Keras 實現歸結為兩個大類：
TensorFlow 的內部實現， 也就是前不久在 TensorFlow 1.0 版本中發佈的 tf.keras 模組， 完全基於 TensorFlow 編寫， 並且與所有 TensorFlow 功能深度相容；
通用實現， 相容多種運行後端， 包括 Theano 和 TensorFlow 等（將來可能會支持更多其他的後端）。
類似的， 知名 Java 深度學習庫 Deeplearning4j 目前正在基於 Scala 語言實現 Keras 規範的一部分，
這些例子正符合了 Kera 成為一種通用的 API 規範的發展定位。 按照 Keras 在博客中的說法：“Keras API 意在成為一個深度學習實踐者的通用語言， 一個跨越多種不同的工作流、獨立於各種底層平臺的深度學習通用語言”。
重新設計， 成為第一個長期支持的 API
Keras 2 的另一項重要更新是 API 的變化。 Keras 在博客中表示， 全新發佈的 Keras 2 API 將成為團隊第一個長期支持的 API， 不但相容目前最新的軟體， 而且未來將保持長期有效。 為了實現這一點， Keras 重新設計了絕大部分 API， 為將來的擴展和更新預留了充足的修改空間。 值得一提的是， 新設計的 API 完全相容于穀歌 TensorFlow 規範。
此次 API 更新的要點包括：
大部分軟體層的 API 介面都和從前完全不同，
生成器訓練和評估方法相關的 API 也已經改變（包括 fit_generator、predict_generator 和 evaluate_generator 等）。 同樣， Keras 1 的代碼仍然可以運行；
在 fit 中， nb_epoch 已經被更名為 epochs。 而且， 這一更改也適用於 API 轉換介面；
許多圖層的保存權重格式已更改。 同樣， 以從前的權重保存的檔仍然可以在 Keras 2 中載入；
objectives 模組已經被更名為 losses。
與此前不相容的地方
由於 Keras 2 是一次重大的版本更新， 因此無法避免地要引入一些與此前版本不相容的地方， 特別是對於高級使用者而言， 這些資訊至關重要：
包括 MaxoutDense、TimeDistributedDense 和 Highway 在內的舊版軟體層已經被永久刪除；
許多舊版的指標（metrics）和損失函數（loss functions）被刪除；
BatchNormalization 層不再支持 mode 參數；
由於內核代碼已經改變， 因此自訂層必須全部更新。 不過由於修改相對不大， 因此更新應該不會太耗時， 更新詳情參見： https://keras.io/layers/writing-your-own-keras-layers/
所有使用未記錄的（undocumented） Keras 函數的程式碼片段可能都已經不可用；因此高級使用者需要進行一些修改。
目前 Keras 2 已經在 Github 上開源： https://github.com/fchollet/keras
用戶可以通過 PyPI 直接更新： pip install keras --upgrade
TensorFlow和Caffe、MXNet、Keras等其他深度學習框架的對比
TensorFlow 1.0 正式發佈 你需要知道的都在這裡