# Keras 的附加模块 Keras 提供了几个补充基本工作流程的附加模块（附加函数在本章开头描述）。部分模块如下： * `preprocessing` 模块提供了几种预处理序列，图像和文本数据的函数。 * `datasets` 模块提供了多种函数，可以快速访问几个流行的数据集，如 CIFAR10 图像，CIFAR100 图像，IMDB 电影评论，路透社新闻专线主题，MNIST 手写数字和波士顿房价。 * `initializers` 模块提供了几种设置层初始随机权重参数的函数，如 `Zeros`， `Ones` ， `Constant`， `RandomNormal`， `RandomUniform`， `TruncatedNormal`， `VarianceScaling` ， `Orthogonal`， `Identity`， `lecun_normal`， `lecun_uniform`， `glorot_normal` ， `glorot_uniform`， `he_normal`和 `he_uniform`。 * `models` 模块提供了几种恢复模型架构和权重的函数，如 `model_from_json`， `model_from_yaml`，和 `load_model`。可以使用`model.to_yaml()` 和 `model.to_json()`方法保存模型架构。通过调用 `model.save()` 方法可以保存模型权重。权重保存在 HDF5 文件中。 * `applications`模块提供了几种预先构建和预训练的模型，例如 Xception，VGG16，VGG19，ResNet50，Inception V3，InceptionResNet V2 和 MobileNet。我们将学习如何使用预建模型来预测我们的数据集。我们还将学习如何使用来自略有不同的域的数据集再训练`applications`模块中的预训练模型。 这就结束了我们对 Keras 的简要介绍，这是 TensorFlow 的高级框架。我们将在本书中提供使用 Keras 构建模型的示例。