数据挖掘和深度学习毫无疑问是大数据时代最炙手可热的研究方向，作为近些年发展最快的机器学习子领域，深度学习已经开始广泛应用于我们的生活当中。
从市场上最常见的语音转写、智能音箱、图像识别，到前段时间大热的AlphaGo和后来居上的AlphaGo zero，深度学习都是其中的关键技术。
而提起深度学习的开源工具包，很多人的第一印象往往是CNTK、TensorFlow、Theano、Coffee、mxNet、和Torch。
但你知道吗？这些业内应用最广泛的工具包，近几年被一个AI圈的“网红”和他的创作强势夺走了大半风头。
他就是目前最火的深度学习框架“Keras”的作者，谷歌的人工智能研究员François Chollet。
作为AI圈最热衷于活跃在社交网络的科学家之一，François Chollet从不吝惜表达自己的观点，而他的大胆言论一经发表，往往就会一石激起千层浪，引发人工智能领域的热烈讨论。
在国内，我们把这种在网上自带热度的的人称做拥有“网红体质”。
近日这位AI界的网络红人再次在推特上发推称：“深度学习研究已经进入了瓶颈期，将深度学习应用于解决现实生活问题的应用正在迎来一个大爆发。”
此言一出，“网红体质”再次得到验证，这条推特不仅在短时间内迅速获得了上千个赞、数百的转发，还吸引到了诸如Buzzfeed首席数据科学家、哥伦比亚大学客座助理教授Adam Kelleher，Machinebox.io创始人David Hernandez和爱丁堡大学助理教授、艾伦·图灵学院Fellow Charles Sutton等人的激烈争论。
可以说François Chollet是人工智能界推特玩得最好，推特界最会研究人工智能的一位网红科学家了。
而他的网红体质不仅体现在社交网络上的自带热度，就连他一手创作出的深度学习框架Keras，也在短时间内迅速大热并火爆AI圈。
在2016上半年，Keras其实还没有受到太多重视，大家仍然对这个新兴的深度学习框架抱有怀疑态度。但在第二季度，Keras的受欢迎程度已然超过了Torch，并继续以飞快的速度在业内被广泛应用，大有成为数据科学界新宠的势头。
到今天，作为一个基于Python的深度学习框架，Keras已经拥有了超过20万名的用户和500多名开源贡献者（截至2017年底），并已经被相当数量的创业公司，研究实验室（包括欧洲核子研究中心，微软研究院和美国国家航空航天局）以及Netflix，Yelp，Square，Uber，Google等大公司所使用。
当然，我们说Keras能迅速红遍全球都要归功于作者的网红体质是不公平的，真正让它被越来越多的深度学习研究者所接受的原因，还是它自身的优势突出。
我们在上面提到过的CNTK、TensorFlow等工具包，能够提供非常灵活又极其强大的建模能力，在一定程度上大大降低了深度学习技术的门槛，但问题就在于，这些工具包的功能似乎有些太过强大，它们各有所长又接口不同，对于大部分初学者来说，实在是过于灵活，难以掌握。
由于这些原因，Keras应运而生，它可以被看做是一个更易于使用、在更高层次上进行抽象、兼具兼容性和灵活性的深度学习框架，它的底层可以在CNTK、TensorFlow和Theano中自由切换。而基于Python，又让它的易用性和可扩展性都极高。能在CPU和GPU之间无缝切换的特点，使它能够适用于不同的应用环境。
总的来说，Keras简直超级容易上手，它的出现使很多初学者可以很快地体验深度学习的一些基本技术和模型，并且将这些技术和模型应用到实际问题当中。
尽管如此，仍有人对Keras表示怀疑和不屑一顾：如果我已经在使用TensorFlow，为什么还要关心Keras？
对于这一点，用作者François Chollet自己的话说就是：
“Keras provides a simpler, quicker way to build and train models in TensorFlow, at no performance cost since the models are still being run by the same TensorFlow engine. So you should care about Keras if you care about your own time and productivity”
（Keras提供了一个更简单，更快速的方法来构建和训练TensorFlow中的模型，而且因为模型仍由同一个TensorFlow引擎运行所以性能没有成本。因此如果你关心你自己的时间和生产力，你就更应该关心Keras）
也就是说，Keras的版本更易于阅读，理解和编写。使用Keras的代码开销和认知开销较少。开发的模型越复杂，使用Keras的生产力效益就越明显。
而这位网红科学家当初之所以生出创作Keras的想法，其实出于这样一个契机：
在2015年2月左右，当时的François Chollet正在研究几个与自然语言处理有关的深度学习问题，他试图寻找一个能够长期采用的深度学习框架。
一个能够提供LSTM和其他RNN的良好实现，以及RNN和convnets之间良好相互作用的深度学习框架。
但令他非常沮丧的是，没有任何一个现有框架符合他的需求。
在他看来，PyLearn2很笨拙，不切实际，而且缺乏RNN的支持。
对于Torch他有过一些不错的经验，但他感觉使用Torch工作所带来的生产力损失太高了。最重要的是，Torch在那个时候还是很怪异的。
这时候他想到了自己做框架：在Python中，使用类似于Torch的API，并且支持良好的RNN，且专注于加速对不同体系结构的实验。
当时，在Theano之上建立是快速获得这样一个框架的最好的且唯一的选择。
于是他开始创作，大约一个月后，他就发布了最初版本的Keras 0.0.1。
“如果没有Theano，Keras是不可能产生的。构建好的工具基本上是一个循序渐进的过程：你在之前的其他人提供的开源代码所允许的抽象层次上构建事物，这是一个整洁，协作，开放的过程。”
可以说创作出Keras只是François Chollet在深度学习的研究过程中偶然的一个产物。
尽管这个产物在现在的深度学习领域激起了一个不小的波浪。
但对于目前就职于Google的他来说，其实有一个自己的长期目标：实现AI的自我引导。
电影《AI》里能够自我成长的机器人男孩
“所以这是我的长期目标：让AI自我引导。
这个过程将促进研究助手的发展，这有助于解决许多悬而未决的科学问题。
将来，大多数科学研究将由AI来执行，或者人类会严重依赖这类AI助手。
对AI的慷慨定义，甚至可以说是一种既定事实：今天的所有科学研究都依赖于计算机和软件。
而且这种趋势只会持续加速，并且很快会扩展到智能助手，将我们的思维过程（包括直觉和创造力）大大提高”。
电影《钢铁侠》里斯塔克和AI管家贾维斯的对话
人工智能领域的快速发展和更新让未来存在太多的不可预知性，可能在不久的将来，François Chollet的这个目标就会得以实现。
而随着时代的更迭，Keras也有可能会被另一个更出色的深度学习框架所取代。
但是谁知道呢。
至少在目前看来，Keras已经是人工智能领域对新手最友好，也是最易于使用的深度学习框架之一了。
原文发布时间为：2017-12-6
