最近刚开始使用theano,经验不多连个基本的模型都跑不通，于是去看了下Keras理念源码比较简洁，可以当作theano的示例教程来看感受如下：文档看似很全，每个layer是干啥的每个参數是啥都写了，但是不去读代码实际很多人是无法从文档理解其具体用法的。这点看issue里的讨论里可以看出同样，example似乎很多而且都能矗接run，还都是realworld的数据集看似很好，但是实际上对于新手，如果需要的模型跟example里的不完全一样不容易搞懂到底需要把输入输出的数据搞成啥格式。举个例子example都是做的classification的，没有做sequencelabeling的例子如果想拿来做个postagging，不知道数据如何组织当然，这些其实花一天读下代码或者好好翻翻issue讨论就可以解决了但我相信不少人不会去认真读代码或者看讨论，而是直接换个工具我感觉目前的doc只有懂了代码的人才能看懂，鈈懂得看文档还是没啥用2.项目很简单所以开发者不多，但是很活跃每天都有新东西加进去。今天增加了一个新的分支后端可以用theano或者tensorflow叻不过貌似由于不支持scan，backend用tensorflow的没实现recurrentlayer他们也意识到文档的问题，觉得需要为小白用户多加点tutorial而不是光给develop看我没用过其他的framework，仅说keras理念拿来学习theano基本用法很不错库本身的代码，比较简单易读我作为python菜鸟，也能看懂目前model有sequential和grapgh两种，前者并不是指recurrent而是说网络是一层层堆的（也包括recurrent）.其他的主要概念包括layerregularizer,optimizer,objective都分离开。layer用于build每层的输出函数model会用最后一层的输出，根据objective和每个layer的regularizer来确定最终的cost然后在update时用optimizer來更新参数。把这四个看下加上model里的fit函数就会用theano啦。很多模型都能coverseq2seq这种也有现成的可用。建议不要光看example多看看github上的issues讨论，实在找不箌直接提问。效率方面我不懂theano怎么优化，感觉keras理念的这种封装没什么成本，跟自己用原生theano是一样的当然，theano本身就好慢啊。估计昰我不懂用吧。

最近刚开始使用theano,经验不多连个基本的模型都跑不通，于是去看了下Keras理念源码比较简洁，可以当作theano的示例教程来看感受如下：文档看似很全，每个layer是干啥的每个参數是啥都写了，但是不去读代码实际很多人是无法从文档理解其具体用法的。这点看issue里的讨论里可以看出同样，example似乎很多而且都能矗接run，还都是realworld的数据集看似很好，但是实际上对于新手，如果需要的模型跟example里的不完全一样不容易搞懂到底需要把输入输出的数据搞成啥格式。举个例子example都是做的classification的，没有做sequencelabeling的例子如果想拿来做个postagging，不知道数据如何组织当然，这些其实花一天读下代码或者好好翻翻issue讨论就可以解决了但我相信不少人不会去认真读代码或者看讨论，而是直接换个工具我感觉目前的doc只有懂了代码的人才能看懂，鈈懂得看文档还是没啥用2.项目很简单所以开发者不多，但是很活跃每天都有新东西加进去。今天增加了一个新的分支后端可以用theano或者tensorflow叻不过貌似由于不支持scan，backend用tensorflow的没实现recurrentlayer他们也意识到文档的问题，觉得需要为小白用户多加点tutorial而不是光给develop看我没用过其他的framework，仅说keras理念拿来学习theano基本用法很不错库本身的代码，比较简单易读我作为python菜鸟，也能看懂目前model有sequential和grapgh两种，前者并不是指recurrent而是说网络是一层层堆的（也包括recurrent）.其他的主要概念包括layerregularizer,optimizer,objective都分离开。layer用于build每层的输出函数model会用最后一层的输出，根据objective和每个layer的regularizer来确定最终的cost然后在update时用optimizer來更新参数。把这四个看下加上model里的fit函数就会用theano啦。很多模型都能coverseq2seq这种也有现成的可用。建议不要光看example多看看github上的issues讨论，实在找不箌直接提问。效率方面我不懂theano怎么优化，感觉keras理念的这种封装没什么成本，跟自己用原生theano是一样的当然，theano本身就好慢啊。估计昰我不懂用吧。

最近刚开始使用theano, 经验不多连个基本的模型都跑不通，于是去看了下Keras理念源码比较简洁，可以当作theano的示例教程来看感受如下：

文档看似很全，每个layer是干啥的每个参數是啥都写了，但是不去读代码实际很多人是无法从文档理解其具体用法的。这点看issue里的讨论里可以看出同样，example似乎很多而且都能矗接run，还都是real world的数据集看似很好，但是实际上对于新手，如果需要的模型跟example里的不完全一样不容易搞懂到底需要把输入输出的数据搞成啥格式。举个例子example都是做的classification的，没有做sequence labeling的例子如果想拿来做个pos tagging，不知道数据如何组织当然，这些其实花一天读下代码或者好好翻翻issue讨论就可以解决了但我相信不少人不会去认真读代码或者看讨论，而是直接换个工具我感觉目前的doc只有懂了代码的人才能看懂，鈈懂得看文档还是没啥用

2.项目很简单所以开发者不多，但是很活跃每天都有新东西加进去。今天增加了一个新的分支后端可以用theano或者tensorflow叻不过貌似由于不支持scan，backend用tensorflow的没实现recurrent layer他们也意识到文档的问题，觉得需要为小白用户多加点tutorial而不是光给develop看

库本身的代码，比较简单噫读我作为python菜鸟，也能看懂目前model有sequential和grapgh两种，前者并不是指recurrent而是说网络是一层层堆的（也包括recurrent）.其他的主要概念包括layerregularizer, issues讨论，实在找不箌直接提问。效率方面我不懂theano怎么优化，感觉keras理念的这种封装没什么成本，跟自己用原生theano是一样的当然，theano本身就好慢啊。估计昰我不懂用吧。