API یادگیری عمیق Keras 3.0 از TensorFlow، PyTorch، Jax پشتیبانی می کند

بازنویسی کامل API شبکه عصبی عمیق از گردش‌های کاری Keras در بالای سه چارچوب یادگیری ماشین پیشرو پشتیبانی می‌کند.

Keras 3.0، یک “بازنویسی کامل” از Keras API یادگیری عمیق ، وارد شده است و یک پیاده سازی چند پشتیبان جدید از API را ارائه می دهد.

Keras 3.0 که در تاریخ ۲۷ نوامبر رونمایی شد و قابل دسترسی از GitHub است، به توسعه دهندگان امکان می دهد گردش کار Keras را در در بالای چارچوب‌های یادگیری ماشین Jax، TensorFlow، یا PyTorch که دارای قابلیت‌های آموزش و استقرار مدل در مقیاس بزرگ است. Keras به‌عنوان یک زبان بین چارچوبی سطح پایین برای توسعه مؤلفه‌های سفارشی مانند لایه‌ها، مدل‌ها یا معیارهایی که می‌توانند در گردش‌های کاری بومی در هر سه چارچوب، با یک پایگاه کد استفاده شوند، به کار گرفته شده است.

تیم Keras گفت که Keras با تمرکز بر UX، طراحی API و اشکال‌زدایی، توسعه با سرعت بالا را امکان‌پذیر می‌کند. آنها خاطرنشان کردند که Keras توسط بیش از ۲.۵ میلیون توسعه‌دهنده انتخاب شده است و برخی از پیچیده‌ترین و بزرگ‌ترین سیستم‌های یادگیری ماشینی در جهان مانند ناوگان خودران Waymo و موتور توصیه YouTube را در اختیار دارد.

از دیگر مزایای Keras 3 که تیم ذکر کرد عبارتند از:

• امکان به دست آوردن بهترین عملکرد از مدل ها با انتخاب پویا بهینه ترین قسمت پشتی، بدون نیاز به تغییر کد.
• هر مدل Keras 3 را می توان به عنوان یک ماژول PyTorch نمونه سازی کرد، به عنوان یک TensorFlow SavedModel صادر کرد، یا به عنوان یک تابع Jax بدون حالت نمونه سازی کرد.
• قابلیت استفاده از موازی سازی مدل در مقیاس بزرگ و موازی سازی داده ها با Jax.
• Keras اجرای کامل NumPy API و مجموعه‌ای از توابع خاص شبکه عصبی مانند ops.softmax، ops.binary_crossentropy و ops را ارائه می‌کند. .conv.

Keras 3 در PyPI به عنوان keras در دسترس است. برای استفاده از آن، توسعه‌دهنده باید انتهای انتخابی، tensorflow، jax یا torch را نصب کند. Keras 3 با سیستم‌های لینوکس و macOS سازگار است. برای کاربران ویندوز، تیم Keras استفاده از WSL2 را برای اجرای Keras توصیه می‌کند.