Keras er en open source deep learning framework skrevet i Python. Keras giver et enkelt og intuitivt API til at bygge og træne deep learning modeller. Det er kompatibelt med TensorFlow, Theano og CNTK, som betyder at du kan benytte TensorFlow, Theano eller CNTK som backend for Keras.

Man kan finde en komplet dokumentation her - https://keras.io/api/

Her er et eksempel på, hvordan man kan bruge Keras til at bygge en simpel deep learning model:

from keras.models import Sequential
from keras.layers import Dense

# definér model
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

# kompiler model
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

# træn model
model.fit(X_train, y_train, epochs=5, batch_size=32)

I dette eksempel bygger vi en sekventiel model med to lag: et input lag med 100 enheder og et output lag med 10 enheder. Vi bruger ReLU aktivationsfunktionen i input laget og softmax i output laget. Vi bruger også krydsentropi som loss funktion og Stochastic Gradient Descent (SGD) som optimizer. Endelig træner vi modellen på vores træningsdata i 5 epoker med en batchstørrelse på 32.

Keras er kendt for sin nemme brugergrænseflade og dets evne til at hjælpe brugere med at opbygge komplekse modeller med relativt lidt kode. Det er blevet benyttet til at opbygge en lang række deep learning applikationer, herunder billedgenkendelse, talegenkendelse og natural language processing (NLP).