Keras生态系统
Keras项目不仅限于用于构建和训练神经网络的核心Keras API。 它涵盖了一系列相关的倡议，覆盖机器学习工作流的每个步骤。
KerasTuner
KerasTuner文档 - KerasTuner GitHub仓库
KerasTuner是一个易于使用、可扩展的超参数优化框架，解决了超参数搜索的痛点。通过定义运行时语法轻松配置搜索空间，然后利用可用的搜索算法之一为模型找到最佳超参数值。KerasTuner内置了贝叶斯优化、Hyperband和随机搜索算法，并且还旨在便于研究人员进行扩展，以便实验新的搜索算法。
KerasNLP
KerasNLP文档 - KerasNLP GitHub仓库
KerasNLP是一个自然语言处理库，支持用户的整个开发周期。我们的工作流程由模块化组件构建，当开箱即用时，具有最先进的预设权重和架构，当需要更多控制时，易于自定义。
KerasCV
KerasCV是一个模块化构建块的库（层、指标、损失、数据增强），应用计算机视觉的工程师可以利用这些构建块快速组装生产级的、最先进的训练和推理管道，适用于图像分类、物体检测、图像分割、图像数据增强等常见用例。
KerasCV可以理解为Keras API的横向扩展：这些组件是新的第一方Keras对象（层、指标等），过于专业化，不适合添加到核心Keras，但它们与Keras API的其余部分一样，提供相同水平的打磨和向后兼容性保证。
AutoKeras
AutoKeras文档 - AutoKeras GitHub仓库
AutoKeras是基于Keras的AutoML系统。由德克萨斯农工大学的DATA Lab开发。
AutoKeras的目标是让每个人都能接触到机器学习。它提供高层次的端到端 API
如ImageClassifier或
TextClassifier，仅需几行代码即可解决机器学习问题，
以及灵活的构建块来进行架构搜索。
import autokeras as ak
clf = ak.ImageClassifier()
clf.fit(x_train, y_train)
results = clf.predict(x_test)