Keras 3: Deep Learning for Humans

Keras 3：人类深度学习

Keras 3 是一个多后端深度学习框架，支持 TensorFlow、JAX 和 PyTorch。

安装

使用 pip 安装

Keras 3 在 PyPI 上以keras.请注意，Keras 2 仍可作为tf-keras软件包使用。

1. 安装keras：

pip install keras --upgrade

2. 安装后端包。

要使用keras，您还应该安装选择的后端：tensorflow、jax或torch。请注意，这tensorflow是使用某些 Keras 3 功能所必需的：某些预处理层以及tf.data管道。

本地安装

最小化安装

Keras 3 兼容 Linux 和 MacOS 系统。对于 Windows 用户，我们建议使用 WSL2 来运行 Keras。要安装本地开发版本：

1. 安装依赖项：

pip install -r requirements.txt

2. 从根目录运行安装命令。

python pip_build.py --install

添加 GPU 支持

该requirements.txt文件将安装仅 CPU 版本的 TensorFlow、JAX 和 PyTorch。对于 GPU 支持，我们还requirements-{backend}-cuda.txt为 TensorFlow、JAX 和 PyTorch提供单独的支持。这些通过安装所有 CUDA 依赖项pip，并期望预安装 NVIDIA 驱动程序。我们建议每个后端使用干净的 python 环境，以避免 CUDA 版本不匹配。作为示例，以下是如何使用以下命令创建 Jax GPU 环境conda：

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

配置您的后端

您可以导出环境变量KERAS_BACKEND，也可以编辑本地配置文件来~/.keras/keras.json 配置后端。可用的后端选项有："tensorflow"、"jax"、"torch"。例子：

export KERAS_BACKEND="jax"

在 Colab 中，您可以执行以下操作：

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

<clipboard-copy aria-label="Copy" class="ClipboardButton btn btn-invisible js-clipboard-copy m-2 p-0 tooltipped-no-delay d-flex flex-justify-center flex-items-center" data-copy-feedback="Copied!" data-tooltip-direction="w" value="import os os.environ["KERAS_BACKEND"] = "jax"

import keras" tabindex="0" role="button">

注意：导入前必须配置后端keras，导入包后不能更改后端。

向后兼容性

Keras 3 旨在作为tf.keras（使用 TensorFlow 后端时）的直接替代品。只需使用现有的tf.keras代码，确保您的调用model.save()使用最新的.keras格式，然后就完成了。

如果您的tf.keras模型不包含自定义组件，您可以立即开始在 JAX 或 PyTorch 上运行它。

如果它确实包含自定义组件（例如自定义层或自定义train_step()），通常可以在短短几分钟内将其转换为与后端无关的实现。

此外，Keras 模型可以使用任何格式的数据集，无论您使用什么后端：您可以使用现有tf.data.Dataset管道或 PyTorch来训练模型DataLoaders。

为什么使用 Keras 3？

• 在任何框架之上运行高级 Keras 工作流程 - 随意受益于每个框架的优势，例如 JAX 的可扩展性和性能或 TensorFlow 的生产生态系统选项。
• 编写可在任何框架的低级工作流中使用的自定义组件（例如层、模型、指标）。
  • 您可以采用 Keras 模型，并在用本机 TF、JAX 或 PyTorch 从头开始​​编写的训练循环中对其进行训练。
  • 您可以采用 Keras 模型并将其用作 PyTorch 原生的一部分Module或 JAX 原生模型函数的一部分。
• 通过避免框架锁定，让您的 ML 代码面向未来。
• 作为 PyTorch 用户：终于可以使用 Keras 的强大功能和可用性了！
• 作为 JAX 用户：可以访问功能齐全、经过实战测试、文档齐全的建模和培训库。

请阅读Keras 3 发布公告了解更多信息。