keras
Keras 3.6.0
Keras 3은 JAX, TensorFlow 및 PyTorch를 지원하는 다중 백엔드 딥 러닝 프레임워크입니다. 컴퓨터 비전, 자연어 처리, 오디오 처리, 시계열 예측, 추천 시스템 등을 위한 모델을 손쉽게 구축하고 교육합니다.
급성장하는 스타트업부터 글로벌 기업까지 약 300만 명의 개발자와 함께 Keras 3의 강력한 기능을 활용하세요.
Keras 3은 PyPI에서 keras 로 제공됩니다. Keras 2는 tf-keras 패키지로 계속 제공됩니다.
keras 설치하세요: pip install keras --upgrade
keras 사용하려면 tensorflow , jax 또는 torch 중 원하는 백엔드도 설치해야 합니다. 특정 Keras 3 기능(특정 전처리 레이어 및 tf.data 파이프라인)을 사용하려면 tensorflow 필요합니다.
Keras 3는 Linux 및 MacOS 시스템과 호환됩니다. Windows 사용자의 경우 WSL2를 사용하여 Keras를 실행하는 것이 좋습니다. 로컬 개발 버전을 설치하려면 다음 안내를 따르세요.
pip install -r requirements.txt
python pip_build.py --install
keras_export 공개 API를 업데이트하는 PR을 생성할 때 API 생성 스크립트를 실행합니다. ./shell/api_gen.sh
requirements.txt 파일은 TensorFlow, JAX 및 PyTorch의 CPU 전용 버전을 설치합니다. GPU 지원을 위해 TensorFlow, JAX 및 PyTorch에 대한 별도의 requirements-{backend}-cuda.txt 도 제공합니다. 이는 pip 통해 모든 CUDA 종속성을 설치하고 NVIDIA 드라이버가 사전 설치될 것으로 예상합니다. CUDA 버전 불일치를 방지하려면 각 백엔드에 대해 깨끗한 Python 환경을 권장합니다. 예를 들어 conda 사용하여 Jax GPU 환경을 만드는 방법은 다음과 같습니다.
conda create -y -n keras-jax python=3.10
conda activate keras-jax
pip install -r requirements-jax-cuda.txt
python pip_build.py --install 환경 변수 KERAS_BACKEND 내보내거나 ~/.keras/keras.json 에서 로컬 구성 파일을 편집하여 백엔드를 구성할 수 있습니다. 사용 가능한 백엔드 옵션은 "tensorflow" , "jax" , "torch" 입니다. 예:
export KERAS_BACKEND="jax"
Colab에서는 다음을 수행할 수 있습니다.
import os
os . environ [ "KERAS_BACKEND" ] = "jax"
import keras 참고: keras 가져오기 전에 백엔드를 구성해야 하며, 패키지를 가져온 후에는 백엔드를 변경할 수 없습니다.
Keras 3는 tf.keras (TensorFlow 백엔드를 사용하는 경우)를 즉시 대체할 수 있도록 고안되었습니다. 기존 tf.keras 코드를 가져와서 model.save() 호출이 최신 .keras 형식을 사용하는지 확인하면 작업이 완료됩니다.
tf.keras 모델에 사용자 정의 구성 요소가 포함되어 있지 않으면 JAX 또는 PyTorch 위에서 즉시 실행을 시작할 수 있습니다.
사용자 정의 구성 요소(예: 사용자 정의 레이어 또는 사용자 정의 train_step() )가 포함된 경우 일반적으로 단 몇 분 만에 백엔드에 구애받지 않는 구현으로 변환할 수 있습니다.
또한 Keras 모델은 사용 중인 백엔드에 관계없이 모든 형식의 데이터 세트를 사용할 수 있습니다. 기존 tf.data.Dataset 파이프라인 또는 PyTorch DataLoaders 사용하여 모델을 교육할 수 있습니다.
Module 의 일부로 사용하거나 JAX 기본 모델 기능의 일부로 사용할 수 있습니다.Keras 3 릴리스 발표에서 자세한 내용을 읽어보세요.
