Keras 3.0 łączy TensorFlow, JAX i PyTorch dla głębokiego uczenia

Keras to wysokopoziomowe API do tworzenia i szkolenia modeli sieci neuronowych. Zapewnia intuicyjny interfejs, który umożliwia łatwe budowanie, trenowanie i wdrażanie modeli sztucznych sieci neuronowych. Narzędzie wkroczyło w erę 3.0 po całkowitym przepisaniu i stworzeniu na nowo.
Ta nowa wersja Keras 3.0 umożliwia uruchamianie workflow Keras na bazie frameworków uczenia maszynowego: Jax, TensorFlow i PyTorch. To ułatwia zarówno trenowanie jak i deployment modeli. Keras może też posłużyć jako nispopoziomowy (jak na AI) i uniwersalny język do tworzenia niestandardowych komponentów, takich jak warstwy, modele czy metryki, które można wykorzystać w natywnych workflowach w każdym z tych trzech frameworków.
Keras po przebudowie stawia na rozwój z wysoką prędkością. Ma to osiągnąć przez stworzenie eleganckiego API czy ułatwienie debugowania, co ma zapewnić developerom o wiele przyjemniejsze używanie narzędzia.
Kluczowe zmiany w Keras 3.0
- Wsparcie dla wielu backendów - możliwość dynamicznego wyboru optymalnego backendu bez konieczności zmian w kodzie.
- Integracja z różnymi frameworkami - model Keras 3.0 może być zainicjalizowany jako moduł PyTorch, eksportowany jako TensorFlow SavedModel lub zainicjalizowany jako funkcja bezstanowa w Jax.
-
Wsparcie dla skalowalnego równoległego przetwarzania modeli z Jax - Keras zapewnia pełną implementację interfejsu NumPy oraz zestaw funkcji specyficznych dla sieci neuronowych, takich jak
ops.softmax
,ops.binary_crossentropy
iops.conv
. - Prostota instalacji - Keras 3.0 jest dostępne na PyPI jako keras. Aby z niego korzystać, programiści muszą zainstalować wybrany backend: tensorflow, jax lub torch.
- Kompatybilność systemów - Keras 3.0 działa na systemach Linux i macOS. Dla użytkowników systemu Windows zespół Keras zaleca korzystanie z WSL2.
Kompatybilność
Narzędzie jest kompatybilne z systemami Linux i macOS. Pracującym na Windowsie do uruchamiania zaleca się używanie protokołu WSL2.
Podsumowanie
Keras 3.0 to narzędzie pozwalające na rozwój zaawansowanych modeli i współpracę w zespole. Możliwość korzystania z różnych backendów w jednym projekcie otwiera drzwi do nowych możliwości w świecie sztucznej inteligencji.