好的，下面是关于“浅析关于Keras的安装(pycharm)和初步理解”的完整攻略。
1. Keras简介
Keras是一个高级神经网络API，可以运行在TensorFlow、CNTK或Theano等深度学习框架之上。它提供了一种简单易用的方式来构建和训练深度学习模型使得深度学变得更加容易上手。
2. Keras安装
2.1 安装TensorFlow
在安装Keras之前，需要先安装TensorFlow。可以使用以下命令在pycharm中安装TensorFlow：
pip install tensorflow
2.2 安装Keras
在安装TensorFlow之后，可以使用以下命令在pycharm中安装Keras：
pip install keras
3. Keras初步理解
3.1 Keras模型构建
以下是一个简单的Keras模型构建示例：
from keras.models import Sequential
from keras.layers import Dense
# 创建一个Sequential模型
model = Sequential()
# 添加一个全连接层
model.add(Dense(units=64, activation='relu', input_dim=100))
# 添加一个输出层
model.add(Dense(units=10, activation='softmax'))
# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
在上面的代码中，我们首先导入了Sequential类和Dense类。然后，我们创建了一个Sequential模型，并使用model.add()方法添加了一个全连接层和一个输出层。接着，我们使用model.compile()方法编译了模型，并指定了损失函数、优化器和评估指标。
3.2 Keras模型训练
以下是一个简单的Keras模型训练示例：
from keras.datasets import mnist
from keras.utils import to_categorical
# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 数据预处理
x_train = x_train.reshape(60000, 784)
x_test = x_test.reshape(10000, 784)
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
y_train = to_categorical(y_train, 10)
y_test = to_categorical(y_test, 10)
# 训练模型
model.fit(x_train, y_train, epochs=5, batch_size=32)
# 评估模型
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)
print(loss_and_metrics)
在上面的代码中，首先导入了mnist数据集和to_categorical函数。然后，我们加载了MNIST数据集，并对数据进行了预处理。接着，我们使用model.fit()方法训练了模型，并指定了训练轮数和次大小。最后，我们使用model.evaluate()方法评估了模型，并输出了损失和准确率。
4. 结语
本文绍了Keras的安装和初步理解，包括安装TensorFlow和Keras，以及Keras模型构建和训练的示例。如果您想学习深度学习，Keras是一个非常好的选择。