“Keras 是 YouTube Discovery 新建模基础设施中的关键构建模块之一。它为 YouTube 推荐的主要界面上的 8 个团队带来了清晰、一致的 API 和表达建模思想的通用方式。”
“Keras 大大简化了 Waymo ML 从业人员的开发工作流程，它具有显著简化的 API、标准化的接口和行为、易于共享的模型构建组件以及大大提高的可调试性等优点。”
“对任何软件库而言，你能说的最好的一句话就是它选择的抽象感觉非常自然，以至于在你思考你想做什么和你思考如何编码之间没有任何摩擦。这正是你使用 Keras 所能得到的。”
“Keras 使我们能够以直观和流线型的方式进行原型设计、研究和部署深度学习模型。功能性 API 使代码易于理解且富有风格，从而实现我团队科学家之间的有效知识转移。”
“Keras 为每位用户提供了一些东西：为学术界提供的轻松定制性；为工业界提供的开箱即用、高性能的模型和管道，以及为学生提供的可读、模块化的代码。Keras 使快速迭代实验变得非常简单，而无需担心底层细节。”
“Keras 是构建和操作深度学习模型的完美抽象层。自 2018 年以来，我一直使用它为世界上一些最大的公司开发和部署模型 [...] Keras、TensorFlow 和 TFX 的组合是无与伦比的。”
“我个人最喜欢 Keras 的地方（除了它直观的 API 之外）是从研究到生产的轻松过渡。我可以训练一个 Keras 模型，将其转换为 TF Lite 并将其部署到移动和边缘设备。”
“Keras 是您在研究方面获得灵活性，在部署方面获得一致性的最佳选择。Keras 之于深度学习，就像 Ubuntu 之于操作系统。”
“Keras 的用户友好设计意味着它易于学习且易于使用 [...] 它允许在各种平台上快速进行模型原型设计和部署。”
Keras 的目的是为任何希望交付机器学习驱动应用程序的开发人员提供不公平的优势。Keras 专注于调试速度、代码优雅和简洁性、可维护性和可部署性。当您选择 Keras 时，您的代码库更小、更易读、更易于迭代。得益于使用 JAX 和 TensorFlow 进行 XLA 编译，您的模型运行速度更快，并且由于来自 TensorFlow 和 PyTorch 生态系统的服务组件（例如 TF Serving、TorchServe、TF Lite、TF.js 等），可以更容易地在每个平台（服务器、移动、浏览器、嵌入式）上部署。
Keras 是为人类而非机器设计的 API。Keras 遵循降低认知负荷的最佳实践：它提供一致且简单的 API，它最大限度地减少常见用例所需的用户操作次数，并提供清晰且可操作的错误消息。Keras 还将编写出色的文档和开发人员指南放在首位。
Keras 可与 JAX、TensorFlow 和 PyTorch 配合使用。它使您能够创建可以跨框架边界移动并可以从这三个框架的生态系统中受益的模型。
Keras 是一款行业级框架，可以扩展到大型 GPU 集群或整个 TPU pod。这不仅是可能的，而且很容易。
Keras 被 CERN、NASA、NIH 以及全球许多其他科研组织使用（是的，Keras 在 LHC 中也得到了应用）。Keras 具有实现任意研究思想的底层灵活性，同时提供可选的高级便利功能以加快实验周期。
