Keras 是一个 Python 深度学习库，可以使用高效的 Theano 或 TensorFlow 符号数学库作为后端。
Keras 非常易于使用，您可以在几分钟内开发出您的第一个多层感知机，卷积神经网络或 LSTM 递归神经网络。
当您开始使用 Keras 时，您可能会遇到技术问题，这时候您可能需要一些帮助。
在这篇文章中，您将会发现在 Keras 开发深度学习模型遇到问题时可以提供解决方案的 9 种途径。
让我们现在开始吧！
第一步是了解此从哪里可以获得帮助，但除此之外您需要知道如何充分利用这些资源。
以下是您可以使用的一些提示：
- 将您的问题简化为最简单的形式，例如：不应该是“_ 我的模型不起作用 _” 而是转化为 “_x 如何工作 _”。
- 在提问之前搜索答案。
- 提供尽可能小的工作示例来演示您的问题。
Keras 用户 Google Group
也许向 Keras 社区提问的最直接的地方就是在 Google 群组（旧的 usenet）上的 Keras Users 群组上。
在这里，你不需要接受任何电子邮件，你可以直接在线访问，我推荐以下方式：
也许 Keras Slacks 频道是可以直接聊聊 Keras 和相关问题的最佳方式。
这种方式现在基本上取代了 IM 和 IIRC。
不过，您必须先提交要求加入的申请。
另一个交流 Keras 的好地方是 Keras Giiter，尽管组织比较松散，但这个平台上仍然有大量的人。
尽管在这个论坛里尽情“遨游”吧！
StackOverflow 是一个致力于编程问题的问答网站，在这里有大量有关深度学习和与 Keras 相关的问题，我建议您可以直接搜索带有“Keras”标签的相关回答。
- StackOverflow 上的 Keras 标签
CrossValidated 是一个致力于机器学习的问答网站，并且有很多关于 Keras 相关的问题，但它们可能多的是一些理论上的问题集合，而不是专注于代码和编程。
同样，我建议搜索并访问使用“keras”标签的问题。
- CrossValidated 上的 Keras 标签
支持 StackOverflow 和 CrossValidated 的 StackExchange 网站也有一个专用于 DataScience 的站点。
它现在仍处于测试阶段，尚未成为该网站的正式成员，尽管如此，该网站上还是有很多关于 Keras 的话题。
与其他两个站点不同，这些话题可能更多的以过程导向为主。
同样，我建议搜索并访问带有“keras”标签的话题。
Quora 是一个大型的通用问答网站（类似于中国的知乎），虽然它是通用的，但是仍然拥有很多技术相关的话题，包括 Keras 和深度学习。
这些问题的重点更多是基于文本解释和说明性的，您可能会获得有关技术的更多详细信息，而不是实现细节。
我建议您直接在“Keras”主题中搜索和提问。
- 关于 Quora 的 Keras 主题
Keras 是一个在 GitHub 上托管的开源项目。
GitHub 提供了一个基本的问题管理系统，Keras 项目报告了很多问题，虽然问题应该仅限于代码的技术问题，但在这些问题上对 Keras 的讨论却令人惊讶。
我建议您搜索 Keras 问题，但只有您在发现错误或有新功能请求时才发布您的问题（请参阅指南）。
您可以直接在 Twitter 上快速获有关 Keras 的相关问题。
我建议您直接在 Twitter 搜索“keras”。
我建议您还可以使用“keras”标签进行搜索并发布新的问题。
- Twitter 上的 Keras 话题标签
您也可以通过关注 Keras 背后的创造者和首席开发人员，FrançoisChollet来获得对于 Keras 更深刻的理解。
以下是其他 Keras 网站，您可以在此获得相关帮助。
在这篇文章中，您了解了可以在全网范围内获得有关 Keras 深度学习的问答网站。
你有没有使用过这些资源？你是怎么做到的？
您是否想在其他地方获得有关 Keras 的帮助？请在下面的评论中告诉我。