📚Keras 入门
AI 教程网络
从这个系列继续发现相关教程
当前专题已经接入 AI 教程总索引，读者可以从这里回到完整目录，也可以继续查看模型、Agent 和工具实测入口。
专题导读
Keras 入门学习地图
先按顺序读前几篇建立框架，再用图文要点回看流程、配置和判断点；遇到工具类内容，可以直接跳到对应小节做复现。
阅读路径
按这三段读更顺
每个系列都可以先抓主线，再挑重点文章复现，最后回到问题边界和检查表。
先建立框架
第 1 - 8 篇 · 8 个小节
适合先读概念、环境和整体流程，避免一上来就被细节打散。
再动手复现
第 9 - 21 篇 · 13 个小节
集中看配置、命令、调用链和结果判断，把正文里的图文要点串起来。
最后复盘扩展
第 22 - 28 篇 · 7 个小节
回看问题边界、替代方案和后续练习，形成自己的检查清单。
图文优先
重点图文入口
想先判断这套内容是否值得继续读，可以从图文信息更密的几篇开始。
1 Keras简介之Keras的背景和发展
第 1 篇6 张图1.7k 字Keras 的价值在于降低深度学习实验门槛，让模型结构、训练和评估能用更少样板代码跑起来。
AIKeras
2 Keras简介之Keras的特点
第 2 篇6 张图1.4k 字Keras 的强项是把常见深度学习步骤包装成可组合接口。越是快速试验，越能感受到这种抽象的价值。
AIKeras
3 Keras的使用场景
第 3 篇6 张图1.4k 字Keras 适合把图像、文本和序列任务先跑成可验证原型，再根据性能和部署约束决定是否深入优化。
AIKeras
4 Keras安装之安装Keras和依赖项
第 4 篇6 张图1.3k 字安装不是只跑一条命令。真正可复现的环境，需要固定 Python、TensorFlow、Keras 和硬件依赖版本。
AIKeras
5 Keras安装之配置Keras环境
第 5 篇6 张图1.3k 字Keras 环境配置的重点是减少不确定性。CPU 能跑通，GPU 能识别，版本能记录，后面调试会少很多噪声。
AIKeras
6 Keras安装之测试安装是否成功
第 6 篇6 张图1.2k 字安装测试要覆盖导入、建模和一次最小训练。只成功 import，不能说明训练链路真的可用。
AIKeras
7 Keras的基础术语
第 7 篇6 张图1.6k 字Keras 术语不是孤立词表。张量进层，层组成模型，优化器根据 loss 更新参数，metrics 用来观察结果。
AIKeras
8 Keras基本概念之张量（Tensor）
第 8 篇6 张图1.4k 字张量是 Keras 模型的共同语言。很多报错不是算法问题，而是 shape、dtype 或 axis 没对上。
AIKeras
9 Keras基本概念之模型类型及其选择
第 9 篇6 张图1.2k 字Keras 的三类建模方式对应不同复杂度。简单模型用 Sequential，分支结构用 Functional，动态逻辑再考虑子类化。
AIKeras
10 Keras框架从零教程：构建模型之顺序模型Sequential
第 10 篇6 张图1.4k 字Sequential 是 Keras 最快的入门路径，适合一层接一层的网络。它的优势是清楚，限制也是只能表达简单拓扑。
AIKeras
11 Keras框架从零教程：构建模型之功能API
第 11 篇6 张图1.3k 字Functional API 把层当成可连接的计算节点，适合表达真实项目里常见的分支、合并和共享结构。
AIKeras
12 Keras框架从零教程系列：建立自定义模型
第 12 篇6 张图1.5k 字自定义模型给了最大灵活性，也把更多责任交给开发者。越自由，越要写清楚输入输出和测试样例。
AIKeras
13 Keras框架从零教程系列：模型编译
第 13 篇6 张图1.6k 字compile 是把训练目标说清楚：用什么优化器，优化哪个 loss，用哪些指标观察表现。
AIKeras
14 Keras框架从零教程：训练模型
第 14 篇6 张图1.4k 字训练不是只调用 fit。数据切分、批大小、轮数和验证集设置，都会影响你看到的曲线和最终判断。
AIKeras
15 Keras框架从零教程：使用fit方法进行模型训练
第 15 篇6 张图1.4k 字fit 会把训练循环封装起来，但它返回的 history 才是复盘材料。不要只看最后一行日志。
AIKeras
16 Keras框架从零教程系列：模型训练之回调函数
第 16 篇6 张图1.4k 字回调函数让训练过程可控：该停就停，该保存就保存，该记录就记录，不必把控制逻辑塞进主流程。
AIKeras
17 Keras框架从零教程系列：评估模型性能
第 17 篇6 张图1.1k 字评估要回答模型能不能用，而不是只报一个 accuracy。指标、误差样本和业务代价要放在一起看。
AIKeras
18 Keras框架从零教程系列：使用evaluate方法进行模型评估与预测
第 18 篇6 张图1.6k 字evaluate 给整体指标，predict 给逐样本输出。两者结合，才能从分数走到具体决策。
AIKeras
19 Keras框架从零教程：模型评估与预测之模型预测
第 19 篇6 张图1.4k 字预测阶段最容易和训练阶段不一致。预处理、shape、类别映射和阈值都要和训练时对齐。
AIKeras
20 Keras进阶之迁移学习
第 20 篇6 张图1.2k 字迁移学习适合数据不多但任务相近的场景。先复用通用特征，再训练自己的任务头，通常比从零训练稳定。
AIKeras
21 Keras进阶之自定义回调
第 21 篇6 张图1.4k 字自定义回调适合处理项目特有的监控、记录和控制需求。它应该小而明确，避免隐藏太多业务逻辑。
AIKeras
22 Keras进阶之Fine-tuning
第 22 篇6 张图1.3k 字Fine-tuning 是谨慎地继续训练预训练模型。学习率要低，解冻要少，验证集要盯紧。
AIKeras
23 在TensorFlow中使用Keras
第 23 篇6 张图1.4k 字在 TensorFlow 中使用 Keras，重点是把高级建模接口和底层数据、设备、保存部署能力接起来。
AIKeras
24 Keras与TensorFlow之Keras的TensorBoard可视化
第 24 篇6 张图1.7k 字TensorBoard 的价值在于把训练过程留下来。曲线、直方图和实验对比，比临时日志更适合复盘。
AIKeras
25 Keras与TensorFlow之Keras与TF设备管理
第 25 篇6 张图1.7k 字设备管理不是炫硬件，而是让训练稳定、资源可控。GPU 可用、显存增长和批大小都要验证。
AIKeras
26 Keras框架在图像分类中的应用
第 26 篇6 张图1.2k 字图像分类项目要从数据目录和预处理开始。模型结构重要，但数据增强、归一化和错例分析同样决定结果。
AIKeras
27 Keras在实际项目中的应用之案例：自然语言处理
第 27 篇6 张图1.2k 字Keras 做 NLP 时，文本到张量的转换是关键。清洗、分词、padding 和 mask 出错，模型会学到错误输入。
AIKeras
28 Keras框架在实际项目中的应用：时间序列预测
第 28 篇6 张图1.2k 字时间序列预测最怕时间泄露。构造窗口、切分数据和回测方式，都必须尊重时间顺序。
AIKeras