Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的作者——谷歌工程师 François Chollet 表示，Keras 更像是一个界面而不是一个独立的机器学习框架。
Keras 允许简单而快速的原型设计（用户友好，高度模块化，可扩展性），同时支持卷积神经网络和循环神经网络，以及两者的组合，而且在还可以在 CPU 和 GPU 上无缝运行与切换。总体来说，Keras 具有以下几大优点：
用户友好：Keras 提供一致而简洁的 API，能够极大减少一般应用下用户的工作量，同时，Keras 提供清晰和具有实践意义的 bug 反馈。
模块性：模型可理解为一个层的序列或数据的运算图，完全可配置的模块可以用最少的代价自由组合在一起。具体而言，网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块，你可以使用它们来构建自己的模型。
易扩展性：添加新模块超级容易，只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得 Keras 更适合于先进的研究工作。
与 Python 协作：Keras 没有单独的模型配置文件类型（作为对比，Caffe 有），模型由Python 代码描述，使其更紧凑和更易 debug，并提供了扩展的便利性。
截至 2017 年 11 月，Keras 的用户数已经超过 20 万。可以说，Keras 的火热也早已传到了中国。一些志愿者早早地就翻译了 Keras 的英文文档（https://keras-cn.readthedocs.io/en/latest/），造福国人。
近日，François Chollet 又在 Twitter 上宣布，“中文版的 Keras 来了。”
从下图的 Keras 中文版目录可以看出，该文档的汉化版还不完全。从 Processing 这一章节开始，文档依然全是英文，预计完整的汉化版还得一段时间。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------