「Keras 是 YouTube Discovery 新建模基礎設施的關鍵組成部分之一。它為 YouTube 推薦的主要介面上的 8 個團隊帶來了清晰、一致的 API 和表達建模想法的通用方式。」
「Keras 大大簡化了 Waymo ML 從業人員的開發工作流程，其優點包括大幅簡化的 API、標準化的介面和行為、易於共享的模型建構元件，以及大幅改進的可除錯性。」
「任何軟體函式庫最棒的地方，莫過於其選擇的抽象概念感覺完全自然，讓您在思考想做什麼和思考如何編寫程式碼之間毫無摩擦。這正是您透過 Keras 獲得的體驗。」
「Keras 讓我們能夠以直覺且流線型的方式，建立原型、研究和部署深度學習模型。其函數式 API 使程式碼易於理解且風格優美，讓團隊中的科學家之間能夠有效地傳輸知識。」
「Keras 為每位使用者都提供了合適的功能：為學術界提供了簡單的客製化功能；為業界提供了開箱即用的高效能模型和管道；並為學生提供了可讀、模組化的程式碼。Keras 讓快速疊代實驗變得非常簡單，而無需擔心低階細節。」
「Keras 是建構和運作深度學習模型的完美抽象層。我自 2018 年以來一直使用它來開發和部署一些世界上最大的公司的模型 [...] Keras、TensorFlow 和 TFX 的組合無與倫比。」
「我個人最喜歡 Keras 的地方（除了其直覺的 API 之外），是它能輕鬆地從研究過渡到生產。我可以訓練 Keras 模型，將其轉換為 TF Lite，然後將其部署到行動裝置和邊緣裝置。」
「Keras 兼顧了研究的彈性和部署的一致性。Keras 對於深度學習而言，就像 Ubuntu 對於作業系統一樣。」
「Keras 的使用者友善設計表示它易於學習且易於使用 [...] 它允許在各種平台上快速建立模型原型和部署。」
Keras 的目的是為任何想要推出由機器學習驅動的應用程式的開發人員提供不公平的優勢。Keras 專注於除錯速度、程式碼優雅和簡潔、可維護性和可部署性。當您選擇 Keras 時，您的程式碼庫會更小、更易於閱讀、更易於疊代。由於 JAX 和 TensorFlow 的 XLA 編譯，您的模型運行速度更快，並且由於 TensorFlow 和 PyTorch 生態系統（例如 TF Serving、TorchServe、TF Lite、TF.js 等）的服務組件，更容易部署到每個介面（伺服器、行動裝置、瀏覽器、嵌入式）。
Keras 是一個為人類而非機器設計的 API。Keras 遵循降低認知負擔的最佳實務：它提供一致且簡單的 API，它最大限度地減少了常見使用案例所需的使用者操作次數，並且它提供清晰且可操作的錯誤訊息。Keras 也將優先處理編寫出色的文件和開發人員指南。
Keras 適用於 JAX、TensorFlow 和 PyTorch。它使您能夠建立可以在框架邊界之間移動的模型，並且可以從這三個框架的生態系統中獲益。
Keras 是一個工業級的框架，可以擴展到大型 GPU 集群或整個 TPU pod。這不僅有可能；而且很容易實現。
Keras 已被 CERN、NASA、NIH 和世界各地許多其他科學組織使用（是的，Keras 也在 LHC 中使用）。Keras 具有實現任意研究想法的低階彈性，同時提供可選的高階便利功能來加快實驗週期。
