1. 官方文档

keras中文文档：
https://keras-zh.readthedocs.io/

git clone https://github.com/keras-team/keras-docs-zh
git clone https://github.com/mkdocs/mkdocs.git
pip install mkdocs -i https://pypi.douban.com/simple
cp -r mkdocs/mkdocs/themes/readthedocs keras-docs-zh/theme
mkdocs build   # 该操作生成静态文件，在目录下产生site文件夹，此时可以直接运行site/index.html。
mkdocs serve#启动本地服务
http://localhost:8000

安装

tensorflow dcoker官方安装文档 https://www.tensorflow.org/install/docker?hl=zh-cn
本语雀中有官方抄下来的文档，附有我的注解。打开速度更快，理解更通透。

2. 常见知识点

1. 理解张量参数 input_shape、input_dim和input_length

数据是以张量的形式表示的，张量的形状称之为shape，表示从最外层向量逐步到达最底层向量的降维解包过程。比如：

• 一个一阶的张量[1,2,3]的shape是(3,);
• 一个二阶的张量[[1,2,3],[4,5,6]]的shape是(2,3);
• 一个三阶的张量[[[1],[2],[3]],[[4],[5],[6]]]的shape是(2,3,1)。

三者区别：

• input_shape：即张量的shape。从前往后对应由外向内的维度。
• input_length：代表序列长度，可以理解成有多少个样本
• input_dim：代表张量的维度(一阶张量的元素个数)，（很好理解，之前3个例子的input_dim分别为3, 3,1）

input_shape就是指输入张量的shape。例如，input_dim=784，说明输入是一个784维的向量，这相当于一个一阶的张量，它的shape就是(784,)。因此，

• input_shape=(784,)。
• input_dim = input_shape(input_dim,)
• input_dim, input_length = input_shape(input_length, input_dim)

通俗来说，input_length就是输入数据的长度，Input_dim就是数据的维度。比如一条数据内容是： “人人车” ，onehot编码后是 [[1 0] [1 0] [0 1]]表示 ，则 **input_length** = 3, input_dim = 2

通过input_length和input_dim这两个参数，可以直接确定张量的shape。
常见的一种用法：只提供了input_dim=32，说明输入是一个32维的向量，相当于一个一阶、拥有32个元素的张量，它的shape就是（32，）。因此，input_shape=(32, )。