Keras tiene el equilibrio perfecto entre detalle y abstracción en mi opinión. Comencé haciendo un aprendizaje profundo con Keras e inmediatamente pude construir modelos y jugar con ellos. Esto me permitió centrarme en los conceptos y pensar en el problema sabiendo que podré modelar mis ideas en Keras sin saber demasiado sobre los detalles esenciales debajo del capó.
Con el tiempo, mejoré en el aprendizaje profundo y comencé a jugar bajo el capó, y con el diseño modular de Keras puedes extender / cambiar el comportamiento de Keras extendiendo o implementando una clase base bien definida.
La clase Keras Callback es un excelente ejemplo, si no le gusta la forma en que Keras brinda retroalimentación sobre el entrenamiento, extienda la clase base Callback con su propia implementación.
- ¿Cómo se usa SVM y cómo se implementa mejor?
- Cómo saber qué algoritmo usar y cuándo
- ¿Cuál es el lenguaje más utilizado para el aprendizaje automático en la industria?
- En una explicación intuitiva, ¿cómo puedo calcular formas primarias y duales en SVM?
- ¿SSD es realmente mejor que YOLO?
Eche un vistazo a mi proyecto keras-visuals [1] en Github como ejemplo.
El hecho de que Keras tenga el respaldo de Google hace que la decisión de usar Keras en la producción sea una opción real y más que una simple herramienta de aprendizaje.
Notas al pie
[1] chasingbob / keras-visuals: herramientas para ayudarlo a visualizar la capacitación de su modelo Keras
