Keras 3.0 正式リリース: TensorFlow、JAX、PyTorch で利用可能

5 か月にわたる更新の繰り返しを経て、Keras 3.0 がついに登場しました。

「ビッグニュース: バージョン Keras 3.0 をリリースしました!」 Keras の父、François Chollet 氏は次のように述べています。 × 興奮を表した。 「JAX、TensorFlow、および PyTorch フレームワークで Keras を実行できるようになりました...」

このアップデートに関して、Keras 関係者は、このバージョンが完了するまでに 5 年かかったと述べました。パブリックベータ版が完了するまでに数か月かかりました。 Keras 3.0 は、Keras を完全に書き直したもので、JAX、TensorFlow、または PyTorch 上で Keras ワークフローを実行できるようになり、新しいバージョンには、新しい大規模モデルのトレーニングおよびデプロイ機能も追加されています。自分に最適なフレームワークを選択することも、現在の目標に基づいてあるフレームワークから別のフレームワークに切り替えることもできます。

Keras アドレス: https://keras.io/keras_3/

によって使用されています開発者によって使用されている 250 万を超える Keras がバージョン 3.0 を歓迎します

Keras API は JAX、TensorFlow、および PyTorch で使用できます。組み込みレイヤーのみを使用する既存の tf.keras モデルは、JAX および PyTorch で実行できます。

Keras 3 は、あらゆる JAX、TensorFlow、および PyTorch ワークフローとシームレスに動作します。 Keras 3 は、Keras モデル、オプティマイザー、損失、メトリクスの定義などの Keras 中心のワークフローに適しているだけでなく、Keras モデルのトレーニング時に JAX、TensorFlow、および PyTorch の低レベル バックエンド ネイティブ ワークフローとシームレスに統合するように設計されています。 JAX トレーニング、TensorFlow トレーニング、PyTorch トレーニングを使用するか、JAX または PyTorch モデルの一部として使用するかを選択します。上記の操作は問題ありません。 Keras 3 は、TensorFlow での tf.keras と同じ程度の低レベル実装の柔軟性を JAX および PyTorch で提供します。

事前トレーニングされたモデル。 Keras 3 では、

さまざまな事前トレーニング済みモデルを使用できるようになりました。 KerasCV および KerasNLP に存在する多数の事前トレーニング済みモデル (BERT、T5、YOLOv8、Whisper など) に加えて、バックエンドで利用できる Keras アプリケーション モデルが 40 個になりました。 、SAM など）もすべてのバックエンドに適用されます。

Keras 3 は Keras 2 との高い下位互換性があります。

Keras 3 は、Keras 2 のパブリック API インターフェイス を実装するようになりました。ほとんどのユーザーは、コードを変更せずに Keras 3 上で Keras スクリプトを実行できます。 Keras 3 の使用に慣れていない場合は、新しいバージョンのアップデートを無視して、TensorFlow で Keras 2 を使い続けることを選択できます。

Keras 3 は、すべてのバックエンドでクロスフレームワーク データ パイプライン をサポートします。マルチフレーム機械学習は、マルチフレーム データの読み込みと前処理も意味します。 Keras 3 モデルは、JAX、PyTorch、TensorFlow バックエンドのいずれを使用しているかに関係なく、さまざまなデータ パイプラインを使用してトレーニングできます:

• tf.data。データセット パイプライン。
• torch.utils.data.DataLoader オブジェクト。
• NumPy 配列と Pandas データフレーム。
• Keras の keras.utils.PyDataset オブジェクト。

#大規模なデータ並列処理と

モデル並列処理 # のための新しい分散 API。このアップデートは現在 JAX バックエンドでのみ利用可能で、TensorFlow と PyTorch のサポートは近日中に提供される予定です。

この変更が展開される理由について、Keras チームは、近年モデル サイズがますます大きくなっているため、マルチ モデルをシャーディングしたいと述べています。 -デバイス モデル (

sharding

) 問題は、Keras ソリューションを提供します。チームは、モデル定義、トレーニング ロジック、およびシャーディング構成を完全に独立させるように API を設計しました。つまり、モデルは単一デバイス上であるかのように実行でき、モデルのトレーニング中に任意のモデルにシャーディング構成を追加できます。

データの並列処理 (小規模なモデルを複数のデバイスに同一にコピーする) は、わずか 2 行で処理できます。

次はモデルの並列処理です。この API を使用すると、正規表現を使用して各変数と各出力テンソルのレイアウトを構成できます。これにより、変数カテゴリ全体に同じレイアウトをすばやく指定することが簡単になります。

最後に、Keras チームは、誰もが懸念している多くの質問を収集し、それらに回答しました。興味のある読者は、Keras 公式 Web サイトにアクセスして詳細を確認してください。

以上がKeras 3.0 正式リリース: TensorFlow、JAX、PyTorch で利用可能の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。