Keras 3.0：您需要了解的一切都在此文中
譯文譯者 | 布加迪
審校 | 重樓
在深入研究這個令人興奮的發(fā)展動向的細節(jié)之前，不妨先設想一個場景以便更好地理解。想象自己是一位高級數(shù)據(jù)科學家，主持一個復雜的圖像分類項目。您那基于TensorFlow的模型表現(xiàn)得非常好。然而隨著更多功能添加進來，您注意到一些團隊成員因可擴展性而青睞JAX，另一些成員因易于使用而偏愛PyTorch。作為團隊領導，您如何確保無縫協(xié)作，同時保持模型在各種深度學習框架中的效率？
Keras團隊認識到這個挑戰(zhàn)后推出了Keras Core，這個創(chuàng)新的多后端庫實現(xiàn)了Keras API，支持TensorFlow、JAX和PyTorch。該庫將在2023年秋季迎來Keras 3.0。但在我們直接介紹Keras 3.0之前，不妨先簡單了解一下Keras的歷史。
Keras的簡史和通向3.0之路
2015年，Francois Chollet推出了Keras，這是用Python編寫的開源深度學習庫。這個簡單而強大的API可以簡化復雜的神經網(wǎng)絡構建，迅速在研究人員、學生和專業(yè)人士當中流行起來。Keras逐漸得到了大幅改進，使其對深度學習社區(qū)更具吸引力。最終，Keras成為了谷歌尖端深度學習框架TensorFlow的一個組成部分。大約在同一時間，Facebook的人工智能研究實驗室開發(fā)出了以直觀靈活的模型構建而聞名的PyTorch。與此同時，JAX成為高性能機器學習研究的另一個強大框架。隨著這些框架日漸受到追捧，開發(fā)人員開始面臨在框架之間進行選擇的困境。這導致了深度學習社區(qū)的進一步碎片化。
認識到支離破碎的框架帶來的挑戰(zhàn)，Keras的開發(fā)人員決定再次革新這個庫，推出Keras 3.0。
Keras 3.0的主要特性
Keras 3.0使您能夠有效地與團隊協(xié)作。通過結合TensorFlow、JAX和PyTorch的優(yōu)點，您可以開發(fā)統(tǒng)一前端的復雜模型。以下是讓Keras 3.0改變游戲規(guī)則的幾項特性：
1.多后端支持
Keras 3.0充當超級連接器，支持無縫地使用TensorFlow、JAX和PyTorch。開發(fā)人員可以自由地為特定的任務混合搭配最佳工具，無需更改代碼。
2.性能優(yōu)化
性能優(yōu)化是Keras 3.0的關鍵特性。默認情況下，Keras 3.0利用XLA（加速線性代數(shù)）編譯。XLA編譯可以優(yōu)化數(shù)學計算，使它們在GPU和TPU等硬件上運行起來快得多。它還允許您為AI模型動態(tài)選擇最佳后端，以確保最佳效率。這類性能優(yōu)化特性非常重要，便于訓練更多模型、進行更多實驗，并大大加快獲得結果的速度。
3.擴大的生態(tài)系統(tǒng)覆蓋面
您的Keras模型可以用作PyTorch模塊、TensorFlow SavedModels或JAX的大規(guī)模TPU訓練基礎設施的一部分。這意味著您可以利用每個框架的優(yōu)勢。因此，有了Keras 3.0擴大的生態(tài)系統(tǒng)，您不會被單一的生態(tài)系統(tǒng)所束縛。它就像一個通用適配器，讓您可以把最喜歡的設備連接到任何機器上。
4.跨框架低級語言
引入keras_core.ops命名空間是一項突破性的特性，允許您編寫一次自定義操作，就可以毫不費力地在不同深度學習框架中使用。keras_core.ops提供了一組類似流行的NumPy API的工具和函數(shù)，NumPy API是Python中廣泛使用的數(shù)值計算庫。這種級別的跨框架兼容性促進了代碼的可重用性，并鼓勵協(xié)作。
5.逐步披露復雜性
Keras 3.0的這種設計方法使其有別于其他深度學習框架。假設您是初學者，想用Keras 3.0構建一個簡單的神經網(wǎng)絡。它一開始就為您提供了最直接的工作流程。一旦熟悉了基本面，您就可以訪問所有高級特性和低級功能。它不會將您限制在預定義的工作流程。這種方法的優(yōu)點在于其適應性，頗受初學者和經驗豐富的深度學習從業(yè)人員的歡迎。
6.用于層、模型、指標和優(yōu)化器的無狀態(tài)API
在深度學習的背景下，狀態(tài)指在訓練過程中變化的內部變量和參數(shù)。然而，JAX基于無狀態(tài)原則進行操作，這意味著函數(shù)沒有可變變量或內部狀態(tài)。Keras 3.0通過Stateless API支持JAX的無狀態(tài)性。它允許以無狀態(tài)的方式設計深度學習的基本組件，即層、模型、指標和優(yōu)化器。這種獨特的兼容性使Keras 3.0成為現(xiàn)代AI開發(fā)中一種不可或缺的工具。
Keras 3.0入門
Keras Core與Linux和MacOS系統(tǒng)兼容。設置Keras 3.0是一個簡單的過程。下面是分步指南：
1.克隆并瀏覽到存儲庫
使用以下命令，將存儲庫克隆到本地系統(tǒng)中：
git clone https://github.com/keras-team/keras-core.git使用以下命令，將根目錄改為clone keras-core：
cd keras-core2.安裝依賴項
打開您的間隔（interval），運行以下命令來安裝所需的依賴項。
pip install -r requirements.txt3.運行安裝命令
運行以下腳本，以處理安裝過程：
python pip_build.py--install4.配置后端
默認情況下，Keras Core嚴格要求TensorFlow作為后端框架，但您可以使用以下兩種方式配置它：
方法01：您可以將KERAS_BACKEND環(huán)境變量設置為首選的后端選項。
export ERAS_BACKEND = " jax”方法02：您可以編輯位于~/. keras/keras.json的本地Keras配置文件。在文本編輯器中打開該文件，并將“backend”選項更改為首選的后端。
{
"backend": "jax",
"floatx": "float32",
"epsilon": 1e-7,
"image_data_format": "channels_last"
}5.驗證安裝
為了確保Keras Core已與您選擇的后端一并正確安裝，可以通過導入庫來測試它。打開Python解釋器或Jupyter Notebook，運行以下命令：
import keras_core as keras結語
雖然Keras 3.0有一些限制，比如當前的TensorFlow依賴以及針對其他后端的有限的tf.data支持，但這種框架的未來潛力大有希望。到目前為止，Keras已發(fā)布了測試版，他們鼓勵開發(fā)人員提供寶貴的反饋。如果您有興趣了解有關它的更多信息，可以在這里找到Keras Core（Keras 3.0）的文檔：https://keras.io/api/。不要害怕嘗試新想法。Keras 3.0是一個功能強大的工具，趕緊體驗吧！
原文標題：Keras 3.0: Everything You Need To Know，作者：Kanwal Mehreen
