“Keras 是 YouTube 发现新建模型基础架构中的关键构件之一。它为跨 YouTube 推荐系统各大团队提供了一个清晰、一致的 API 和一种统一的建模表达方式。”
Maciej Kula
高级软件工程师 - Google
“Keras 极大地简化了 Waymo 机器学习从业者的开发流程，带来了简化的 API、标准化的界面和行为、更易共享的模型构建组件，以及大大提升的调试能力。”
Yiming Chen
高级软件工程师 - Waymo
“评价任何软件库最好的话就是它的抽象层选择得自然至极，这样从想法到代码的过程毫无阻碍。Keras 就是这样。”
Matthew Carrigan
机器学习工程师 - Hugging Face
“Keras 让我们能够以直观和流畅的方式原型、研究和部署深度学习模型。其功能性 API 使代码清晰且风格化，促进了团队间的知识传递。”
Aiden Arnold, PhD
首席数据科学家 - Rune Labs
“Keras 满足了所有用户的需求：对于学术研究，它具有易于定制的特点；对于工业应用，它提供了现成的高性能模型和流水线；对于学生，它具有可读性强、模块化的代码。Keras 使我们能够快速迭代实验，而不必担心底层细节。”
Abheesht Sharma
研究科学家 - 亚马逊
“Keras 是构建和运维深度学习模型的完美抽象层。从 2018 年开始，我一直使用它为全球一些最大的公司开发和部署模型……Keras、TensorFlow 和 TFX 的组合无可匹敌。”
Santiago L. Valdarrama
机器学习顾问
“我最喜欢 Keras 的地方（除了它直观的 API 之外）是从研究到生产环境的无缝过渡。我可以训练一个 Keras 模型，将其转换为 TF Lite，并将其部署到移动设备和边缘设备上。”
Margaret Maynard-Reid
机器学习工程师
“Keras 既提供了研究的灵活性，也提供了部署的一致性。Keras 之于深度学习，就像 Ubuntu 之于操作系统。”
Aakash Nain
研究工程师
“Keras 的用户友好设计使它易于学习和使用……它使跨多种平台快速原型和部署模型成为可能。”
Gareth Collins
机器学习工程师
开发者的超能力。
Keras 的目标是为每一位希望开发基于机器学习应用的开发者提供不公平的优势。 Keras 注重调试速度、代码优雅性与简洁性、可维护性和可部署性。 当你选择 Keras 时，你的代码库会更小、更易读、迭代速度更快。借助 JAX 和 TensorFlow 的 XLA 编译器，你的模型运行得更快；通过 TensorFlow 和 PyTorch 生态系统中的服务组件（如 TF Serving、TorchServe、TF Lite、TF.js 等），模型更容易部署到服务器、移动设备、浏览器和嵌入式设备。
为人类设计的深度学习。
Keras 是为人类而非机器设计的 API。 Keras 遵循降低认知负荷的最佳实践：它提供一致且简单的 API，减少了常见用例所需的用户操作次数，并提供清晰且可操作的错误消息。 Keras 还将打造优质文档和开发者指南作为最高优先级。
解锁框架的可选性。
Keras 支持 JAX、TensorFlow 和 PyTorch。它允许你创建能够跨越框架边界的模型，并能从这三大框架的生态系统中获益。
超大规模机器学习。
Keras 是一个行业级框架， 能够扩展到大型 GPU 集群或整个 TPU pod。 这不仅可能，而且很容易。
前沿研究。
Keras 被 CERN、NASA、NIH 等全球众多科学组织使用 （是的，Keras 也被用于大型强子对撞机 LHC）。 Keras 具有实现任意研究想法的低级灵活性， 同时提供高层次的便捷功能以加速实验周期。