keras

Keras 3：人類深度學習

Keras 3 是一個多後端深度學習框架，支援 JAX、TensorFlow 和 PyTorch。輕鬆建立和訓練電腦視覺、自然語言處理、音訊處理、時間序列預測、推薦系統等模型。

• 加速模型開發：由於 Keras 的高級用戶體驗以及 PyTorch 或 JAX eagerexecution 等易於調試的運行時的可用性，可以更快地交付深度學習解決方案。
• 最先進的性能：選擇最適合您的模型架構的後端（通常是 JAX！），與其他框架相比，可實現 20% 到 350% 的加速。基準在這裡。
• 資料中心規模的訓練：自信地從筆記型電腦擴展到大型 GPU 或 TPU 叢集。

與近 300 萬名開發人員（從新興新創公司到跨國企業）一起利用 Keras 3 的強大功能。

安裝

使用 pip 安裝

Keras 3 在 PyPI 上以keras形式提供。請注意，Keras 2 仍可作為tf-keras軟體包使用。

1. 安裝keras ：

 pip install keras --upgrade

2. 安裝後端包。

若要使用keras ，您也應該安裝所選的後端： tensorflow 、 jax或torch 。請注意，使用某些 Keras 3 功能需要tensorflow ：某些預處理層以及tf.data管道。

本地安裝

最小化安裝

Keras 3 相容於 Linux 和 MacOS 系統。對於 Windows 用戶，我們建議使用 WSL2 來執行 Keras。若要安裝本機開發版本：

1. 安裝依賴項：

 pip install -r requirements.txt

2. 從根目錄執行安裝命令。

 python pip_build.py --install

3. 建立更新keras_export公用 API 的 PR 時執行 API 產生腳本：

 ./shell/api_gen.sh

添加 GPU 支援

requirements.txt檔案將安裝僅 CPU 版本的 TensorFlow、JAX 和 PyTorch。對於GPU支持，我們也為TensorFlow、JAX和PyTorch提供了單獨的requirements-{backend}-cuda.txt 。它們透過pip安裝所有 CUDA 依賴項，並期望預先安裝 NVIDIA 驅動程式。我們建議每個後端使用乾淨的 python 環境，以避免 CUDA 版本不符。作為範例，以下是如何使用conda建立 Jax GPU 環境：

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

配置您的後端

您可以匯出環境變數KERAS_BACKEND ，也可以在~/.keras/keras.json編輯本機設定檔來設定後端。可用的後端選項有： "tensorflow" 、 "jax" 、 "torch" 。例子：

 export KERAS_BACKEND="jax"

在 Colab 中，您可以執行以下操作：

 import os
os . environ [ "KERAS_BACKEND" ] = "jax"

import keras

注意：導入keras之前必須配置後端，導入套件後不能更改後端。

向後相容性

Keras 3 旨在作為tf.keras的直接替代品（使用 TensorFlow 後端時）。只要使用現有的tf.keras程式碼，確保對model.save()呼叫使用最新的.keras格式，然後就完成了。

如果您的tf.keras模型不包含自訂元件，您可以立即開始在 JAX 或 PyTorch 上執行它。

如果它確實包含自訂元件（例如自訂圖層或自訂train_step() ），通常可以在短短幾分鐘內將其轉換為與後端無關的實作。

此外，Keras 模型可以使用任何格式的資料集，無論您使用的後端是什麼：您可以使用現有的tf.data.Dataset管道或 PyTorch DataLoaders來訓練模型。

為什麼要使用 Keras 3？

• 在任何框架之上運行高級 Keras 工作流程 - 隨意受益於每個框架的優勢，例如 JAX 的可擴展性和性能或 TensorFlow 的生產生態系統選項。
• 編寫可在任何框架的低階工作流程中使用的自訂元件（例如層、模型、指標）。
  • 您可以採用 Keras 模型，並在用本機 TF、JAX 或 PyTorch 從頭開始編寫的訓練循環中進行訓練。
  • 您可以採用 Keras 模型並將其用作 PyTorch 原生Module的一部分或 JAX 原生模型函數的一部分。
• 透過避免框架鎖定，讓您的 ML 程式碼面向未來。
• 身為 PyTorch 使用者：終於可以使用 Keras 的強大功能和可用性了！
• 作為 JAX 使用者：可以存取功能齊全、經過實戰測試、文檔齊全的建模和訓練庫。

請閱讀 Keras 3 發佈公告以了解更多資訊。