如何通过Keras的抽象后端模块进行深度学习框架的底层操作？

本文共计1136个文字，预计阅读时间需要5分钟。

Keras简介：Keras是一个模型级库，为深度学习模型提供高层构建模块。它不直接处理如张量乘积、卷积等底层操作，但允许用户自定义这些操作。其核心目标是实现模型构建的简洁性和可扩展性。

keras后端简介：

Keras 是一个模型级库，为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等底层操作，目的也就是尽量不重复造轮子。

但是底层操作还是需要的， 所以keras 依赖于一个专门的、优化的张量操作库来完成这个操作。

我们可以简单的认为这是 Keras 的「后端引擎」， keras 有三个后端实现可用 、 即： TensorFlow 后端，Theano 后端，CNTK 后端。

如果你需要修改你的后端， 只要将字段 backend 更改为 theano 或 cntk，Keras 将在下次运行 Keras 代码时使用新的配置。

你也可以定义环境变量 KERAS_BACKEND，这会覆盖配置文件中定义的内容：

定义的方式如下。

KERAS_BACKEND=tensorflow python -c “from keras import backend” Using
TensorFlow backend.

在 Keras 中，可以加载比 “tensorflow”, “theano” 和 “cntk” 更多的后端， 即可以选择你自己所定义的后端。

Keras 也可以使用外部后端，这可以通过更改 keras.json 配置文件和 “backend” 设置来执行。