5개월 간의 업데이트 반복 끝에 마침내 Keras 3.0이 출시되었습니다.
"큰 소식: 방금 Keras 3.0 버전을 출시했습니다!" Keras의 아버지인 François Chollet이 X에 대해 신나게 말했습니다. "이제 JAX, TensorFlow 및 PyTorch 프레임워크에서 Keras를 실행할 수 있습니다..." 
이 업데이트에 대해 Keras 관계자는 이 버전을 완료하는 데 5개월의 공개 테스트가 걸렸다고 말했습니다. Keras 3.0은 JAX, TensorFlow 또는 PyTorch 위에서 Keras 워크플로를 실행할 수 있도록 Keras를 완전히 재작성한 것입니다. 새 버전에는 새로운 대규모 모델 훈련 및 배포 기능도 포함되어 있습니다. 자신에게 가장 적합한 프레임워크를 선택하거나 현재 목표에 따라 한 프레임워크에서 다른 프레임워크로 전환할 수 있습니다. 
Keras 주소: https://keras.io/keras_3/ 250만명 이상의 개발자가 사용하는 Keras, 버전 3.0Keras API를 사용할 수 있습니다. JAX, TensorFlow 및 PyTorch. 내장 레이어만 사용하는 기존 tf.keras 모델은 JAX 및 PyTorch에서 실행할 수 있습니다! 
Keras 3는 모든 JAX, TensorFlow 및 PyTorch 워크플로와 원활하게 작동합니다. Keras 3은 Keras 모델 정의, 최적화 프로그램, 손실 및 메트릭과 같은 Keras 중심 워크플로에 적합할 뿐만 아니라 Keras 모델을 교육할 때 JAX, TensorFlow 및 PyTorch 하위 수준 백엔드 기본 워크플로와 원활하게 통합되도록 설계되었습니다. JAX 교육, TensorFlow 교육, PyTorch 교육을 사용하거나 JAX 또는 PyTorch 모델의 일부로 사용하도록 선택합니다. 위 작업에는 문제가 없습니다. Keras 3는 tf.keras가 TensorFlow에서 제공하는 것과 동일한 수준의 낮은 수준 구현 유연성을 JAX 및 PyTorch에서 제공합니다. 
사전 훈련된 모델. 이제 Keras 3에서 다양한 사전 훈련된 모델을 사용할 수 있습니다. 이제 백엔드에서 사용할 수 있는 Keras 애플리케이션 모델은 40개입니다. 또한 KerasCV 및 KerasNLP에 있는 사전 훈련된 다수의 모델(예: BERT, T5, YOLOv8, Whisper, SAM 등)도 있습니다. 모든 백엔드에서 사용 가능합니다. Keras 3은 Keras 2와 높은 호환성을 자랑합니다. Keras 3은 이제 Keras 2의 공개 API 인터페이스를 구현합니다. 대부분의 사용자는 코드를 변경하지 않고도 Keras 3에서 Keras 스크립트를 실행할 수 있습니다. Keras 3 사용에 익숙하지 않은 경우 새 버전 업데이트를 무시하고 TensorFlow와 함께 Keras 2를 계속 사용하도록 선택할 수 있습니다. Keras 3는 모든 백엔드에 대해 프레임워크 간 데이터 파이프라인을 지원합니다. 다중 프레임 기계 학습은 다중 프레임 데이터 로드 및 전처리를 의미하기도 합니다. Keras 3 모델은 JAX, PyTorch, TensorFlow 백엔드 등 다양한 데이터 파이프라인(
- tf.data.Dataset 파이프라인)을 사용하여 훈련할 수 있습니다.
- torch.utils.data.DataLoader 개체.
- NumPy 배열 및 Pandas 데이터프레임.
- Keras의 keras.utils.PyDataset 객체.
대규모 데이터 병렬 처리 및 모델 병렬 처리를 위한 새로운 분산 API입니다. 이 업데이트는 현재 JAX 백엔드에서만 사용할 수 있으며 TensorFlow 및 PyTorch도 곧 지원될 예정입니다. 이 변경 사항이 출시되는 이유에 대해 Keras 팀은 최근 몇 년 동안 모델 크기가 점점 더 커지면서 다중 장치 모델 샤딩 문제에 대한 Keras 솔루션을 제공하기를 희망한다고 밝혔습니다. (샤딩). 팀은 모델 정의, 훈련 논리 및 샤딩 구성을 완전히 독립적으로 만들기 위해 API를 설계했습니다. 즉, 모델을 훈련하는 동안 모델이 마치 단일 장치에 있는 것처럼 실행될 수 있다는 의미입니다. 데이터 병렬성(여러 장치에서 작은 모델을 동일하게 복사)은 단 두 줄로 처리할 수 있습니다: 
다음은 모델 병렬화입니다. 이 API를 사용하면 정규식을 통해 각 변수 및 각 출력 텐서의 레이아웃을 구성할 수 있습니다. 이를 통해 전체 변수 카테고리에 대해 동일한 레이아웃을 쉽고 빠르게 지정할 수 있습니다. 
마지막으로, Keras 팀은 모두가 궁금해하는 많은 질문을 수집하고 이에 대한 답변을 제공했습니다. 관심 있는 독자들은 Keras 공식 웹사이트를 방문하여 자세한 내용을 알아볼 수 있습니다. 위 내용은 Keras 3.0 공식 출시: TensorFlow, JAX 및 PyTorch에서 사용 가능의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
