addition_rnn.py 執行序列學習以執行兩個數字（作為字符串）的添加。 antirectifier.py 演示如何為Keras編寫自定義圖層。 babi_memnn.py 在bAbI數據集上訓練一個內存網絡以進行閱讀理解。 babi_rnn.py 在bAbI數據集上訓練一個雙支循環網絡，以便閱讀理解。 cifar10_cnn.py 在CIFAR10小圖像數據集上訓練一個簡單的深CNN。 conv_filter_visualization.py 通過輸入空間中的漸變上升可視化VGG16的過濾器。 conv_lstm.py 演示使用卷積LSTM網絡。 deep_dream.py 深深的夢想在克拉斯。 image_ocr.py 訓練一個卷積堆疊，后跟一個循環堆棧和一個CTC logloss函數來執行光學字符識別（OCR）。 imdb_bidirectional_lstm.py 在IMDB情緒分類任務上訓練雙向LSTM。 imdb_cnn.py 演示使用Convolution1D進行文本分類。 imdb_cnn_lstm.py 在IMDB情緒分類任務上訓練一個卷積堆棧，后跟一個循環堆棧網絡。 imdb_fasttext.py 在IMDB情緒分類任務上訓練一個FastText模型。 imdb_lstm.py 在IMDB情緒分類任務上訓練一個LSTM。 lstm_benchmark.py 比較IMDB情緒分類任務上不同的LSTM實現。 lstm_text_generation.py 生成尼采文字的文字。 mnist_acgan.py 在MNIST數據集上實現AC-GAN（輔助分類器GAN） mnist_cnn.py 在MNIST數據集上訓練一個簡單的convnet。 mnist_hierarchical_rnn.py 訓練一個分級RNN（HRNN）來分類MNIST數字。 mnist_irnn.py Le等人在“以簡單的方式初始化整流線性單元的反復網絡”中再現具有逐像素連續MNIST的IRNN實驗。 mnist_mlp.py 在MNIST數據集上訓練一個簡單的深層多層感知器。 mnist_net2net.py 在“Net2Net：通過知識轉移加速學習”中再現帶有MNIST的Net2Net實驗。 mnist_siamese_graph.py 從MNIST數據集中的一對數字上訓練暹羅多層感知器。 mnist_sklearn_wrapper.py 演示如何使用sklearn包裝器。 mnist_swwae.py 列出了一個堆棧，其中AutoEncoder在MNIST數據集上的剩余塊上構建。 mnist_transfer_cnn.py 轉移學習玩具的例子。 neural_doodle.py 神經涂鴉。 neural_style_transfer.py 神經樣式轉移。 pretrained_word_embeddings.py 將預訓練的詞嵌入（GloVe embeddings）加載到凍結的Keras嵌入層中，并使用它在20個新聞組數據集上訓練文本分類模型。 reuters_mlp.py 在路透社newswire主題分類任務上訓練并評估一個簡單的MLP。 stateful_lstm.py 演示如何使用有狀態的RNN有效地建模長序列。 variational_autoencoder.py 演示如何構建變體自動編碼器。 variational_autoencoder_deconv.py 演示如何使用反褶積層使用Keras構建變體自動編碼器。