Keras是一个开源深度学习库，提供高层级、对用户友好的API，用于构建和训练神经网络。它由Francois Chollet创建，并于2015年3月首次发布，成为深度学习最广泛使用的入门工具之一，因其能让研究人员和学生用几行可读代码定义模型而备受推崇。
历史
Keras最初是一个独立库，能够在多个后端上运行，最初是Theano，后来是TensorFlow和微软的CNTK。随着后AlexNet深度学习浪潮的兴起，其受欢迎程度迅速增长，2017年谷歌将其采纳为TensorFlow的官方高层级API，并以tf.keras形式发布。2023年，该项目通过Keras 3回归多后端本源，该版本在单一代码库上运行于TensorFlow、PyTorch和JAX，这是对框架锁定的一种刻意抵制，当时研究已围绕PyTorch集中。
设计理念
Chollet将指导原则描述为“面向人类的深度学习”：一致且简单的接口、合理的默认设置、复杂性的渐进式披露，以及清晰的错误消息。模型由可组合的层组装而成，使用损失函数和优化器编译，并通过一次fit调用进行训练，该调用处理梯度下降、批处理、验证集划分和回调。这种抽象使Keras成为标准教学工具，出现在Andrew Ng等有影响力的在线课程以及Chollet本人广受欢迎的教科书《Deep Learning with Python》中。
接受度与影响
Keras因文档质量和教学清晰度而受到赞誉，但在研究环境中因隐藏了过多训练循环而受到批评；高级用户通常会降级到较低层级的API以构建自定义架构。其面向层的设计理念影响了后来生态系统中的框架和高层封装，其错误消息哲学成为机器学习工具开发者体验讨论中的参考点。虽然当今大规模LLM研究由PyTorch主导，但Keras在工业、教育和应用领域仍被广泛使用，并被认为在深度学习的形成期降低了入门门槛。