进行深度学习之前，通常要对数据进行处理。需要注意，本教材所提供的数据都是经过处理的，这是理想状况。很多实际问题中的数据并不是拿来就可以直接作为神经网络的原始输入数据的。例如，最简单的需要处理数据的情形就是数据缺失，也就是某些样本没有数值，这也是需要“预先”处理的，所以这个过程被形象地称为数据预处理。
（4）模型
Keras支持两种模型，一种是序贯模型，一种是函数式模型。本书主要使用序贯模型，但不会对这两种模型进行深入探讨。感兴趣的读者可以在掌握了本书内容后进一步学习。
（5）网络层
Keras支持大多数深度学习所使用的“网络层”。这些网络层可以形象地比喻成建筑用的各种建筑工具，如房梁、钢骨等，由它们构成最终的深度神经网络。
（6）输出
输出是给出深度学习最终结果的部分。例如，通过输出0和1来表示蘑菇是否有毒，0表示有毒，而1表示可食用。
使用Keras同样需要安装。在Window下安装Keras并不麻烦，但是由于Keras需要TensorFlow的支持，所以安装Keras之前需要先安装TensorFlow。TensorFlow有CPU版和GPU版两种选择，首先需要判断你的设备是否支持显卡计算，这就决定了你需要安装哪一种TensorFlow。可通过英伟达（NVIDIA）官网查询支持显卡计算的显卡列表。如你的显卡出现在列表中，建议安装GPU版，因为在很多情况下，这会大大加速计算过程。否则只能安装CPU版。
在Windows10中，可通过“设备管理器”查看显卡型号，如图7-3所示。其中在显示适配器（GPU）中可以看到计算机的显卡型号。以图7-3为例，显示该机器有两块显卡，一块是Intel自带的显卡G620，一块是NVIDIA的GeforceGTX1060，其中第二块显卡是支持GPU计算的。如果想使用它，就需要安装GPU版的TensorFlow。
图7-3 设备管理器示意图（突出显示的部分就是显卡）
因为CPU版的TensorFlow安装更简单，所以下面以GPU版为例说明安装过程。在Windows中，Keras的整个安装过程比较复杂，一共分成9步，且顺序不能随意改变。具体步骤如下。
①下载并安装Python发行版，如WinPython或者Anaconda，具体细节可以参考第二章。
②为了加快安装过程中所需模块的下载速度，请添加国内镜像。以添加清华大学提供的镜像源为例，在用户文件夹 C：\Users\math（math是笔者计算机上的目录名称）建立pip.ini文件。
[global]
index-url=https：///
[install]
trusted-host=https：///
③非常重要的是，GPU计算需要利用C++，这需要下载VisualStudio2015（注意，在本书编写过程中，该版本是最适合的，不要安装更高版本），图7-4显示了安装过程。
图7-4VisualStudioCommunity安装
④接下来从NVIDIA的开发者网站下载CUDA并安装，需要注意TensorFlow1.7对应的CUDA版本是9.0（不要下载9.1版本）。而如果安装的是TensorFlow1.2，则需要安装CUDA8.0。
⑤接下来安装CUDNN7.1，它也可以从NVIDIA开发者网站下载。将下载的CUDNN解压，解压后有三个文件夹，分别是bin、include和lib，将它们放到ProgramFiles/NVIDIAGPUComputingTookit/CUDA/v9.0中，如图7-5所示。
图7-5 配置示意图
