在上一节，我们已经了解到了什么是人工智能。人工智能和机器学习的区别和关系。这个章节，让我们来介绍一下Keras。 Keras是深度学习的一个开源实现。参考一下Keras的官方介绍，其概念如下：
Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow或Theano。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras：
- 简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）
- 支持CNN和RNN，或二者的结合
- 无缝cpu和GPU切换
Keras适用的Python版本是：Python 2.7-3.5
Keras的设计原则是
用户友好：Keras是为人类而不是天顶星人设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践：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。
@首先解决sudo出现的unable to resolve host
运行hostname命令，获得当前的主机的名称；然后sudo vi /etc/hosts把127.0.0.1 <hostname> 加入到/etc/hosts文件中。
@准备一台Ubuntu 16.x的虚拟机并执行 sudo apt-get update
把ubuntu升级到最新的系统
@ 首先安装python3-pip
sudo apt install python3-pip
@Ubuntu 16.x默认安装的是Python3，这非常的好，然后我们在我们直接安装Keras
sudo pip3 install keras
@ 安装完成后，进入python3的环境，然后输入import keras
从上面的信息可以看出，其没有安装TensorFlow。
解决方法有两个：
@切换成theano
只要进入Python3的环境，并输入下面的语句
>>> import os
>>> os.environ['KERAS_BACKEND']='theano'
恭喜你，Keras切换成theano成功。
有图有真相：
但是注意的是,这种方式的切换是临时切换，如果推出当前的Session，就立刻退出当的theano的后台（backend）
如果想一劳永逸，持久化的修改Keras的backend为theano，这个只需要修改下面这个文件：
ubuntu@keras:~$ cat ~/.keras/keras.json
{
"floatx": "float32",
"image_data_format": "channels_last",
"epsilon": 1e-07,
"backend": "theano"
}
@安装TensorFlow
首先升级pip： sudo -H python -m pip install --upgrade pip
然后直接安装：sudo pip install tensorflow
