雷鋒網按：在上周的谷歌開發者大會 I/O 2017 的講座中，Keras 之父 Francois Chollet 被請出來向全世界的機器學習開發者進行一場對 Keras 的綜合介紹以及實戰示例。說起來，這個子小小的男人不但是暢銷書 《Deep learning with Python》的作者，更在 Kaggle 的數據科學家中世界排名第 17 位（最高），堪稱是青年 AI 工程師中的翹楚。也因此，在開發出 Keras 之後被谷歌挖走為 TensorFlow 背書。
作為號稱是 TensorFlow 最好用、對新手最友好的 API，一起來看看它的神通在哪裡。
Francois Chollet：對許多使用場景而言，canned estimator 是相當不錯的選擇。但如果你要做的事並沒有現成的 canned estimator，怎麼辦？如果需要寫自己的定製模型呢？這時，就到了 Keras API 派上用場的時候。
什麼是 Keras API？簡而言之，它就是一個用於創建 TensorFlow 模型的高級 API，你可以與它一起使用 estimator class 以及 experiment class。
眾所周知，TensorFlow 的特點是非常低級的編程界面，你大多數時間花在矩陣、矢量乘法上。這使它成為一件非常強力的深度學習工具。但對於創建十分複雜先進的模型，這種操作方式說不上「理想」。
在谷歌，我們相信，未來深度學習將存在於每一個普通 IT 開發者的工具箱中，不再局限於機器學習專家。原因很簡單：每個開發者都需要做出更智能的應用。
為了讓這成為現實，我們需要降低深度學習的使用門檻，搞出每一個人都能用的工具，而不應該只有專家才能用深度學習解決問題。
我有一個問題想讓大家思考：
如果設計一個沒有任何束縛限制的深度學習界面，它應該是什麼樣的？
深度學習的核心理念很容易理解，它的實現也不應該複雜。對於模型核心部件，與其從頭實現所有功能，應該讓開發者利用現存部件，快速搭建數據處理流水線；就像樂高積木那樣。這正是我們設計 Keras 的理念——成為「深度學習的樂高」。
Keras 能做什麼？下面，我來講講 Keras 都能做什麼。
首先，我不建議把 Keras 看做是 codebase、框架或庫，它只是個高級 API。它有不同的實現，最主要的當然是 TensorFlow，但還有基於其它平臺的——目前有 Theano、MXnet 和 Java；對更多框架的支持正在路上。
有一個特點，是 Keras 區別於其他所有深度學習操作界面的地方，讓它鶴立雞群——那就是用戶體驗。說白了，Keras 的精髓就是它對用戶體驗的執著，讓開發者用著更舒服、簡化工作流。尤其在於提供易於使用的組件、符合直覺的推理、更好的報錯方面。因而，Keras 降低了操作難度，降低使用者的認知負擔。
當然，讓深度學習變得更簡單，同時意味著更多的人能上手。Keras 的終極目標，是讓儘可能更多人接觸、使用深度學習。
直到現在，Keras API 的 TensorFlow 實現，是以外部開源資源庫的形式存在的。但現在，我們把 Keras API 直接整合入 TensorFlow 項目中，這樣能與你的已有工作流無縫結合。至此，Keras 成為了 TensorFlow 內部的一個新模塊：tf.keras，它包含完整的 Keras API。
「對於 TensorFlow 用戶，這意味著你獲得了一整套易於使用的深度學習組件，並能與你的工作流無縫整合。
對於 Keras 用戶，這意味著一系列高級 TensorFlow 訓練功能，比如分布式訓練、分布式超參數優化。」
下面，我們一起來看看你的工作流會是什麼樣子。我會向大家展示一個簡單但挺先進的例子。該例子中，我用 Keras API 定義模型，用 TensorFlow estimator 和 experiments 在分布式環境訓練模型。
示例： 視頻內容問答這是一個視頻問答問題。我們有一組 10 秒短視頻組成的數據集，視頻內容是人從事各種活動。一個深度學習模型將會觀察這些視頻的每一幀畫面，進行理解，然後你可以用簡短的自然語言問它視頻內容。
本例子中，一個男人把紙板箱放進車的行李箱裡。任務是回答這個人在做什麼。模型會處理該視頻和問題，試圖在可能的答案中挑選出正確的那一個。這次，它的回答是「裝貨」。這個答案很有意思：如果僅僅看一幀畫面，是得不出該結論的——這個人也有可能在卸貨。所以，我們不僅要求模型能理解視頻畫面的內容，還要能理解每一幀畫面的先後順序。
放到三四年前，Keras 和 TensorFlow 誕生之前，這會是一個無比棘手的難題，全世界只有個位數的研究機構能處理。即便是一隻由世界級專家學者、工程師組成的團隊，也需要半年左右的時間來一點一點解決。而現在，所有具備基礎 Python 編程技能的人都能藉助工具處理該問題。我們這也是在使深度學習民主化。
下圖便是我們的神經網絡方案。它的結構可分為三個部分：
首先，一個分支會導入視頻輸入，把它轉化為對視頻內容編碼的矢量。另一個分支導入問題，也把它轉化為矢量。現在，你可以把視頻矢量和問題矢量連結起來，在它們之上添加一個分類器。該分類器的任務，是從一堆潛在回答中，選出正確的那一個。
第一步，是把視頻輸入矢量轉化為張量。一個視頻只是一組連續的畫面幀，每一幀都是一個圖像。對於圖像處理，你要做的全部的事，就是運行一個 CNN。
每個 CNN，會從每幀畫面提取一個矢量表示。最後所得到的，是對每幀畫面進行編碼的矢量序列。當遇到一個序列，你會做什麼？當然是用序列處理模塊—— LSTM 把它跑一遍。LSTM 會把序列簡化為一個單一矢量，該矢量編碼了視頻的所有信息，包括每一幀畫面、以及它們的順序。
下一步，使用類似的過程來處理問句。它是一個由詞語組成的序列，需要用內嵌模塊把每個詞語映射為一個詞矢量。你就獲得了一個詞向量序列，再用另一個 LSTM 層來簡化。
當視頻、問題的矢量表示都有了以後，就可以把它們連接起來，在上面添加一個用於選擇正確答案的分類器。
這就是深度學習的魔力：把複雜的輸入，比如視頻、圖像、語言、聲音變成矢量，變成幾何空間中的不同的點——把了信息變成了幾何空間中的點，這就是深度學習的本質。
而當完成之後，你就可以用線性代數來處理幾何空間，捕捉到到有趣的映射模式。在上面的例子中，該模型就是在學習一個視頻、問題空間到答案空間的映射。而執行的方式，是把不同的信息處理模塊組合起來。這是一個十分自然的操作：對象是圖像，就用圖像處理模塊 CNN；對象是序列，就用序列處理模塊 LSTM；如果需要從一組候選中選擇一個，就用分類器。
因而，創建深度學習模型，在概念上和拼樂高積木是很相似的，前者的實現也應該這麼簡單。這張圖，就是對我們的模型在 Keras 上的直觀結構。
我們用一個按時間分布的層，把 CNN 應用於由輸入視頻和張量組成的時間軸上的每一幀畫面。然後把輸入導入 LSTM 層，前者被簡化為單一張量。InceptionV3 CNN 會內置預訓練的權重，這一點很重要，因為以目前的視頻輸入，靠我們自己是無法學習到有趣的視覺特徵的。我們需要利用現有的、在大型數據集上學習到的視覺特徵。這個例子裡是 ImageNet。在深度學習裡，這是一個常見的舉措，而 Keras 使它變得更方便。問題的編碼更加簡單。把詞語序列導入內嵌層（embedding layer），生成矢量序列，再用 LSTM 層簡化為單一矢量。
代碼演示下面是視頻編碼機器人的完整代碼，加起來只有幾行，非常簡潔。你從確認視頻輸入開始，高亮部分就是你的視頻輸入：
這是一個由合理幀數組成的序列。「None」就是幀數，它沒有被定義，你可以不同的 batch 進行修改。每一幀畫面的解析度是 150*150。下一步，僅用一行我們就定義了整個 InceptionV3 模型。它裝滿了從 ImageNet 得到的預訓練權重。所有這些已經內置於 Keras 中，你不需要做任何多餘操作，僅此一行代碼足矣。代碼並不包含頂層，因為並不相關，但在頂部加入了 pooling，使得我們能從每一幀抓取一個矢量。
下一步，CNN 被設置為不可訓練，意味它的參數表示並不會在訓練中更新。這一步很重要，因為該 CNN 已經有了非常不錯的表示，沒必要更改。再強調一遍，這是深度學習的常用操作，把封住不再改動的預訓練模型添加入流水線。在 Keras 中，這項操作變得十分簡便。有了不再變動的 CNN 之後，我們用一個時間分配層（time distributed layer），把它在視頻輸入的時間軸上均衡分配。這樣做的結果，是得到所有幀的張量，再導入 LSTM 層得到單一矢量。
如上圖，問題處理就更加簡單。最終的問題輸入，被處理為整數序列。為什麼是整數呢？每一個整數，都會用某些詞彙映射到一個矢量。隨後把整數序列導入嵌入層，這會把每個整數映射到一個矢量上。這些訓練過的嵌入是模型的一部分。再把矢量序列導入 LSTM，簡化為單一矢量。
這裡有一個有意思的地方。通常使用 LSTM 的時候，有許多東西需要考慮、許多套路需要參考。但在這裡，除了設置輸入單位的數量，我們並沒有做任何其他操作配置 LSTM 層——所有「最佳套路」，都已經成為 Keras 的默認設置。這是 Keras 的一大特點，已知的最佳方案被用於默認設置。對於開發者，這意味著模型直接就能用，不需要對所有參數都進行調參。
在完成對視頻、問題的編碼之後，你只需要用 concate up 把它們轉化為單一矢量，然後在頂端加入兩個密集層，它們會從備選詞彙中選出一個作為答案。
下一步，使用輸入和輸出初始化 Keras 模型，本質上它是一個神經網絡各層的圖（a graph of layers）的容器。然後要確定訓練設置，比如優化器、Adam 優化器和損失函數。到現在一切都很簡單，我們已經定義了模型和訓練設置。下面是在分布式環境訓練模型，或許在 Cloud ML 上。
只用幾行代碼，你就可以用 TensorFlow Estimator 和 Experiment 類訓練模型。所有需要你做的事，僅僅是寫 experiment 函數，用內置的 get_estimator 方法在其中定義模型，並用模型來初始化 Estimator。有了 estimator 之後，再用它創建 Experiment，在其中你確認輸入數據。
僅僅用幾行非常直觀、具有高度可讀性的 Python 代碼就可以實現，我們就定義了一個相當先進的模型、在分布式環境訓練它，來解決視頻問答難題。而這在幾年前是完全難以想像的。
到這裡，你應該已經看到，像 Keras 這樣的 API 是如何推動 AI 民主化。這藉助兩個東西實現：
把它們結合到一起，使得開發者們能夠以相當小的時間、經歷代價處理任何深度學習難題。
雷鋒網註：感興趣的童鞋可翻牆到 Youtube 觀看完整視頻，雷鋒網(公眾號：雷鋒網)編譯。
相關文章：
李飛飛：我把今天AI所處的發展階段稱為「AI in vivo」 | Google I/O 2017
六大亮點解讀：計算機視覺技術無處不在 | Google I/O 2017
深度學習庫 Keras 2 重磅發布，與 TensorFlow 聯繫更緊密
雷鋒網版權文章，未經授權禁止轉載。詳情見轉載須知。