在昨天與前天介紹到，深度學習就是以矩陣運算來模擬神經訊息傳送，可以透過Tensorflow進行矩陣運算來達到最高效能，並且能在在不同平台上執行。

圖片引用至Tensorflow+keras深度學習人工智慧實務：https://3.bp.blogspot.com/-NbdeXse6khk/WXsDLTZO6-I/AAAAAAAAAb4/vRWXbbr1FAUdNaehcmYCTxOMgmMe8rvewCLcBGAs/s1600/image045.tif

• 處理器：Tensorflow可以在CPU、TPU、GPU上執行
• 平台：就之前所說的，Tensorflow具有跨平台能力，像是Windows、Linux、Raspberry pi...等。
• 前端程式語言：Tensorflow可以支援多種前端程式語言，當然不只python、C++，目前有相當多的程式語言可以做運用。
• 高階API：Tensorflow可以開發許多種高階的API，例如：Keras、TF-Learn、TF-Slim等。

Keras

Keras是一個開放原始碼，基於Python高階深度學習的程式庫，主要由Francois Chollet及其他開放原始碼社群成員一同開發，以MIT開放原始碼授權。Keras可以快速有方便運算的主要原因是，它已經將訓練模型的輸入層、隱藏層、輸出層，做好架構，使用者只需要加入並且填寫正確的參數ex.神經元個數、activation function的凾式...等。

1.建立Sequential模型

from keras.models import Sequential
model = Sequential()

2.建立輸入層、隱藏層

model.add(Dense(units=256,input_dim=800,kernel_initializer='normal',activation='relu'))

3.建立輸出層

model.add(Dense(units=10,kernel_initializer='normal',activation='softmax'))