TensorFlow/Keras/Theano：哪个最适合人工智能入门？

所以在过去的几个月里，我一直花费大量时间与TensorFlow和Keras（在Keras下使用TensorFlow）合作，而且我一直在讨论何时应该使用哪个工具集。

对于那些还没有使用Keras的人来说，它是一个Python库，专为简单的神经网络组装而设计，带有大量预先打包的网络类型，从二维和三维风格的卷积网络到长期-和短期网络，更普遍的经常性网络。使用Keras构建网络是直截了当的-虽然确切地确定要构建的网络不是。Keras在其API设计中使用的语义非常面向层，使得网络组装相对直观。

但事实上，一旦你实现了新的网络架构，能够重用该架构真的可以让你的生活更轻松。实际上，您可以实现将数据传递到更高层的自定义图层，或者执行更复杂的事务。那么，你最好的选择？两者兼用。在实施新数据时使用Keras，在实施新模型时使用TensorFlow。完成TensorFlow模型后，移植到Keras并添加到您的个人库（甚至更好的Keras项目）。

AIYVoiceKit（语音套件）作为一款语音开发工具，可以连接云服务，如Google的AssistantSDK或者CloudSpeechAPI。用户可在此基础上创建虚拟语音助手、为自己的项目添加语音交互功能。

AIYVisionKit（视觉套件）是一套简单的计算机视觉系统，可运行3种基于TensorFlow的类神经网路模型应用程序。VisionKit谷歌首个在设备上提供神经网络加速的项目，能在不连接到云的情况下提供计算机视觉支持，也就说，用户可以离线使用。