详细内容或原文请订阅后点击阅览
重新审视 Keras for R
这篇博客已经有一段时间没有介绍 Keras for R 的内容了，所以您可能认为该项目已经停产。 不是的！ 事实上，Keras for R 比以往任何时候都更好，最近的两个版本增加了强大的功能，大大减轻了以前繁琐的任务。 这篇文章提供了高层次的概述。 未来的文章将更详细地介绍一些最有用的新功能，并深入研究使前者成为可能的强大的低级增强功能。
来源:RStudio AI博客在我们讨论新功能之前，让我们先回答一个显而易见的问题。是的，将会有第二版的《R 深度学习》！新版本反映了目前发生的事情，涵盖了一组经过验证的扩展架构；同时，您会发现，由于摘要中提到的新的低级增强功能，第一版中已经存在的中级到高级设计变得更加直观。
R 深度学习但请不要误会——这本书的范围完全没有变化。对于机器学习和深度学习的新手来说，它仍然是完美的选择。从基本思想开始，它系统地进展到中级和高级主题，让您既有概念上的理解，又有一堆有用的应用模板。
现在，Keras 发生了什么？
现在，Keras 发生了什么？生态系统的状态
让我们先来描述一下生态系统，并简单介绍一下它的历史。
在这篇文章中，当我们提到 Keras 时，我们指的是 R（而不是 Python）Keras。现在，这立即转化为 R 包 keras。但仅靠 keras 并不能让你走得更远。虽然 keras 提供了高级功能（神经网络层、优化器、工作流管理等），但操作的基本数据结构张量存在于 tensorflow 中。第三，只要你需要执行不那么简单的预处理，或者由于其大小而无法再将整个训练集保存在内存中，你就需要研究 tfdatasets。
Keras Keraskeras
keras
keras
tensors
tensorflow
tfdatasets
因此，在当前上下文中，“Keras”应该理解为这三个包——tensorflow、tfdatasets 和 keras。 （另一方面，R-Keras 生态系统要大得多。但其他软件包，如 tfruns 或 cloudml，与核心的耦合度更高。）
tensorflowtensorflow
tfdatasets
tfdatasets
keras
keras
tfruns
cloudml
TensorFlow
tensorflow
tfdatasets
keras
可以
(