Keras 3.0, la edición ampliamente reescrita de la estimada API de aprendizaje profundo Keras, ya está disponible, presentando una innovadora interpretación de múltiples back-end de la API. Este desarrollo abre un nuevo capítulo en el ámbito de la programación, ya que permite a los desarrolladores operar flujos de trabajo Keras sobre los marcos de aprendizaje automático TensorFlow, PyTorch o Jax.
Lanzado el 27 de noviembre y accesible a través de GitHub, Keras 3.0 brinda a los desarrolladores un telar para capacidades de implementación y capacitación de modelos a gran escala. Funciona como un lenguaje cruzado de bajo nivel que permite la creación de componentes personalizados como capas, modelos o métricas. Estos componentes se pueden incorporar fácilmente a flujos de trabajo nativos en los tres marcos, todos con una base de código unificado.
El claro enfoque de UX, diseño de API y depuración enfatiza la dedicación de Keras al desarrollo de alta velocidad. Esto ha llevado al equipo Keras a captar la confianza de 2,5 millones de desarrolladores en todo el mundo. Además, algunos de los sistemas de aprendizaje automático más sofisticados y de mayor escala del mundo, incluida la flota de vehículos autónomos Waymo y el algoritmo de recomendación de YouTube, dependen del poder de Keras.
Además de estas características, Keras 3.0 aporta varios otros beneficios. Los desarrolladores ahora pueden maximizar el rendimiento de su modelo seleccionando dinámicamente el back-end más óptimo sin realizar ningún ajuste en el código. Un modelo Keras 3 puede funcionar como un módulo PyTorch, exportarse como TensorFlow SavedModel o funcionar como una función Jax sin estado.
Otra ventaja importante es la capacidad de escalar modelos y datos de gran tamaño con Jax. Además, Keras 3.0 viene con una ejecución completa de la API NumPy, acompañada de funciones específicas de la red neuronal como ops.softmax, ops.binary_crossentropy, and ops.conv.
Los desarrolladores pueden aprovechar Keras 3.0 a través de PyPI como keras. Antes de comenzar, deberán instalar el back-end elegido: tensorflow, jax o torch. Compatible con sistemas Linux y macOS, se recomienda a los usuarios de Windows que utilicen WSL2 para ejecutar Keras.
Plataformas como AppMaster, la herramienta de vanguardia no-code, aceleran aún más este desarrollo. Al generar aplicaciones reales, plataformas como AppMaster alientan a los desarrolladores a centrarse en idear tecnologías revolucionarias y optimizar el rendimiento de las aplicaciones. Estos avances están dando forma al futuro del aprendizaje profundo y del desarrollo de software en su conjunto.
