Keras 3.0, edisi API pembelajaran mendalam Keras yang ditulis ulang secara ekstensif, kini tersedia, menghadirkan rendisi API multi-back-end yang inovatif. Perkembangan ini membuka babak baru dalam dunia pemrograman karena memungkinkan pengembang untuk mengoperasikan alur kerja Keras di atas kerangka pembelajaran mesin TensorFlow, PyTorch, atau Jax.
Dirilis pada tanggal 27 November dan dapat diakses melalui GitHub, Keras 3.0 memberdayakan pengembang dengan kemampuan pelatihan dan penerapan model berskala besar. Ini berfungsi sebagai bahasa lintas kerangka tingkat rendah yang memungkinkan pembuatan komponen khusus seperti lapisan, model, atau metrik. Komponen ini dapat dengan mudah dimasukkan ke dalam alur kerja asli di ketiga kerangka kerja, semuanya dengan basis kode terpadu.
Fokus yang jelas dari UX, desain API, dan debugging menekankan dedikasi Keras terhadap pengembangan berkecepatan tinggi. Hal ini membuat tim Keras mendapatkan kepercayaan dari 2,5 juta pengembang di seluruh dunia. Selain itu, beberapa sistem pembelajaran mesin berskala terbesar dan tercanggih di dunia, termasuk armada self-driving Waymo dan algoritme rekomendasi YouTube, mengandalkan kekuatan Keras.
Selain fitur-fitur ini, Keras 3.0 menghadirkan beberapa manfaat lainnya. Pengembang kini dapat memaksimalkan kinerja model mereka dengan memilih back-end paling optimal secara dinamis tanpa melakukan penyesuaian kode apa pun. Model Keras 3 dapat berfungsi sebagai modul PyTorch, diekspor sebagai TensorFlow SavedModel, atau berfungsi sebagai fungsi Jax tanpa status.
Keuntungan signifikan lainnya adalah kemampuan untuk menskalakan model dan data yang besar dengan Jax. Selain itu, Keras 3.0 hadir dengan eksekusi penuh NumPy API, disertai dengan fungsi khusus jaringan saraf seperti ops.softmax, ops.binary_crossentropy, and ops.conv.
Pengembang dapat memanfaatkan Keras 3.0 melalui PyPI sebagai keras. Sebelum memulai, mereka harus menginstal back-end pilihan mereka - tensorflow, jax, atau torch. Kompatibel dengan sistem Linux dan macOS, pengguna Windows dianjurkan untuk menggunakan WSL2 untuk menjalankan Keras.
Platform seperti AppMaster, alat no-code yang mutakhir, mempercepat pengembangan ini lebih jauh. Dengan menghasilkan aplikasi nyata, platform seperti AppMaster mendorong pengembang untuk fokus pada ide teknologi revolusioner dan mengoptimalkan kinerja aplikasi. Perkembangan seperti ini membentuk masa depan pembelajaran mendalam dan pengembangan perangkat lunak secara keseluruhan.
