Keras后端

遇到的问题

安装好keras后，本打算试探性写点代码，测试其是否安装成功，突然遇到如图所示的问题。然后查了Keras中文文档，才恍然大悟。我之前刚刚只装了Theano，并没有装Tensorflow。而作为Keras的“后端引擎”，默认是Tensorflow，那我们来手动改一下吧，顺便普及一些基本知识（共同学习，共同探讨）

什么是“后端”

Keras是一个模型级的库，提供了快速构建深度学习网络的模块。Keras并不处理如张量乘法、卷积等底层操作。这些操作依赖于某种特定的、优化良好的张量操作库。Keras依赖于处理张量的库就称为“后端引擎”。Keras提供了两种后端引擎Theano/Tensorflow，并将其函数统一封装，使得用户可以以同一个接口调用不同后端引擎的函数.

• Theano是一个开源的符号主义张量操作框架，由蒙特利尔大学LISA/MILA实验室开发
• TensorFlow是一个符号主义的张量操作框架，由Google开发

什么是“张量”

张量 (Tensor) 是 n 维空间内，有 n*r个分量的一种量， 其中每个分量都是坐标的函数， 而在坐标变换时，这些分量也依照某些规则作线性变换。 
r 称为该张量的阶 (Rank)，第零阶张量 (r = 0) 为纯量 (Scale)，第一阶张量 (r = 1) 为向量 (Vector)， 第二阶张量 (r = 2) 则成为矩阵 (Matrix)。 例如，对于3维空间，r=1时的张量为此向量：(x,y,x)T。
由于变换方式的不同，张量分成三类：

• 协变张量 (Covariant Tensor，志标在下者)
• 反变张量 (Contravariant Tensor，志标在上者)
• 混合张量 (志标在上者和志标在下者都有者)  

张量可以表述为一个值的序列，用一个向量值的定义域和一个标量值的值域的函数表示。这些定义域中的向量是自然数的向量，而这些数字称为指标。例如，3阶张量可以有尺寸2、5和7。这里，向量的范围是从<1,1,1,>到<2,5,7>。张量可以在<1,1,1>有一个值，在<1,1,2>有另一个值，等等一共70个值。 (类似的，向量可以表示为一个值的序列，用一个标量值的定义域和一个标量值的值域的函数表示，定义域中的数字是自然数，称为指标，不同的指标的个数有时称为向量的维度。) 
一个张量场是在欧氏空间中的每一点都给定一个张量值。这样不是像上面的例子中简单的有70个值，对于一个3阶张量，维度为<2,5,7>，空间中的每一个点有70个值和它相关。换句话说，张量场表示某个张量值的函数，其定义域为欧氏空间。

切换后端

如果你至少运行过一次Keras，将在下面的目录下找到Keras的配置文件：

~/.keras/keras.json 

文件默认配置如：

{"image_dim_ordering":"tf","epsilon":1e-07,"floatx":"float32","backend":"tensorflow"，}#将backend字段的值改写为你需要使用的后端：theano或tensorflow，即可完成后端的切换