总结我们这次有关keras的课程，主要还是从初学者角度，着重介绍基础的知识介绍给小伙伴们，其目的在于你可以完全上手进行开发。TensorFlow 是众多优秀的机器学习和深度学习框架中最成熟的一个，也是研究论文中引用最多的一个，而且在生产中的使用效果也很好。它可能不是最容易学习的框架，但随着 TensorFlow 2的到来，TensorFlow 的门槛也没有 2016 年那般高了。
TensorFlow 2.0 官网对该项目的描述为：“端到端的开源机器学习平台。”，谷歌通过“平台”提供了一个包含工具、库以及社区资源的全方位生态系统，研究人员可以利用这个平台“推动机器学习达到最高水准”，而开发人员则可以利用这个平台轻松构建和部署基于 AI 的应用程序。
Keras 是用于构建神经网络模型的高级前端规范和实现。Keras 支持三种后端深度学习框架：TensorFlow、CNTK 和 Theano。亚马逊在全力为Keras 开发 MXNet 后端。你也可以使用 PlaidML（一个独立的项目）作为Keras 的后端，利用 PlaidML 的 OpenCL 支持所有 GPU 的优势。
TensorFlow是Keras的默认后端，在很多情况下我们也推荐使用TensorFlow，包括通过 CUDA 和 cuDNN 在 Nvidia 硬件上实现 GPU 加速，以及利用 Google Cloud 中的 Tensor 处理单元加速等。Keras 除了可以单独安装之外，TensorFlow 还包含一个内部 tf.keras 类。如上所述，这是TensorFlow 的首选高级前端。
Keras 提供了一个高级环境，在其 Sequential 模型中向神经网络添加一层的代码量可以缩减到一行，编译和训练模型也分别只需一个函数调用。如果有需要，Keras 也允许你通过其 Model 或函数式 API 接触较低层
