前言

深度學習的框架有很多種，如 Caffe、TensorFlow、Keras、Apache MXNet、PyTorch 和 Google JAX 等。本系列實作會使用 TensorFlow 和 Keras，這兩種也是常常被使用的深度學習框架。

今天我們先來了解這兩個深度學習框架的背景。

TensorFlow

TensorFlow 為 Google Brain 團隊於 2015 年開發的開源軟體庫，廣泛運用於機器學習的應用上。Google 有許多我們常使用的服務，皆由 TensorFlow 衍生，例如語音辨識、Gmail、Google 相簿以及搜尋引擎等，目前最新版本為 2023 年 11 月 14 日所發布的 2.15.0 版本。除了 Python，其他程式語言如 C++、haskell、Java、Go 和 Rust 等都可以使用 TensorFlow。

TensorFlow 也提供了一些好用的工具，如 TensorBoard，為 TensorFlow 的視覺化工具包，可以檢視模型訓練過程的狀態，例如模型的評估指標曲線，以及模型的架構圖等。在部署模型上，TensorFlow 亦有提供 Tensorflow Lite 和 Tensorflow.js，前者是運用於行動裝置上如 Android 與 iOS 系統，後者為運用於網頁上開源的 JavaScript 庫。

• TensorFlow 官方網站
• TensorFlow 原始碼

Keras

Keras 為 Google 工程師 François Chollet 創始，於 2015 年首次發布。原本為深度學習獨立框架，後來在第二版開始整合至 TensorFlow 中。Keras 使用的方法多元，也較容易上手，提供高階的 API，不需要先進行張量運算，很適合初學者，也適合專家進行進階的使用，目前 Keras 最新版本為 2024 年 8 月 12 日發布的 3.5.0 版本。

• Keras 官方網站
• Keras 原始碼

兩者的應用方式

TensorFlow 和 Keras 兩者的運用是相輔相成的。在硬體階是由 CPU、GPU 或 TPU 來執行運算，上面一階為 TensorFlow 進行張量相關的運算，如變數、微分和分布等，最上面一階為 Keras，用來開發深度學習模型，包含層、模型、最佳化器、損失函數和評估指標等。

之後我們就一起使用 TensorFlow 和 Keras，來建構我們的深度學習模型吧！

參考資料

• TensorFlow - 維基百科，自由的百科全書
• Keras - 維基百科，自由的百科全書
• François Chollet《Deep Learning with Python, Second Edition》（中文版：黃逸華、林采薇譯《Keras大神歸位：深度學習全面進化！用Python 實作CNN、RNN、GRU、LSTM、GAN、VAE、Transformer》，旗標出版）