Keras 3.0, l'edizione ampiamente riscritta della stimata API di deep learning Keras, è ora disponibile, presentando un'innovativa versione multi-backend dell'API. Questo sviluppo apre un nuovo capitolo nel regno della programmazione in quanto consente agli sviluppatori di gestire i flussi di lavoro Keras sui framework di apprendimento automatico TensorFlow, PyTorch o Jax.
Rilasciato il 27 novembre e accessibile tramite GitHub, Keras 3.0 fornisce agli sviluppatori uno strumento per capacità di formazione e distribuzione di modelli su larga scala. Funziona come un linguaggio multi-framework di basso livello che consente la creazione di componenti personalizzati come livelli, modelli o metriche. Questi componenti possono essere facilmente incorporati nei flussi di lavoro nativi in tutti e tre i framework, tutti con una base di codice unificata.
Il chiaro focus su UX, progettazione API e debug sottolinea la dedizione di Keras allo sviluppo ad alta velocità. Ciò ha portato il team Keras a conquistare la fiducia di 2,5 milioni di sviluppatori in tutto il mondo. Inoltre, alcuni dei sistemi di machine learning più grandi e sofisticati al mondo, tra cui la flotta a guida autonoma Waymo e l’algoritmo di raccomandazione di YouTube, si affidano alla potenza di Keras.
Oltre a queste funzionalità, Keras 3.0 offre numerosi altri vantaggi. Gli sviluppatori possono ora massimizzare le prestazioni del proprio modello selezionando dinamicamente il back-end più ottimale senza apportare modifiche al codice. Un modello Keras 3 può funzionare come un modulo PyTorch, essere esportato come TensorFlow SavedModel o funzionare come una funzione Jax senza stato.
Un altro vantaggio significativo è la capacità di scalare modelli e dati di grandi dimensioni con Jax. Inoltre, Keras 3.0 viene fornito con un'esecuzione completa dell'API NumPy, accompagnata da funzioni specifiche della rete neurale come ops.softmax, ops.binary_crossentropy, and ops.conv.
Gli sviluppatori possono avvalersi Keras 3.0 tramite PyPI come keras. Prima di iniziare, dovranno installare il back-end scelto: tensorflow, jax o torch. Compatibile con i sistemi Linux e macOS, gli utenti Windows sono incoraggiati a utilizzare WSL2 per eseguire Keras.
Piattaforme come AppMaster, lo strumento no-code all’avanguardia, accelerano ulteriormente questo sviluppo. Generando applicazioni reali, piattaforme come AppMaster incoraggiano gli sviluppatori a concentrarsi sull'ideazione di tecnologie rivoluzionarie e sull'ottimizzazione delle prestazioni delle applicazioni. Tali sviluppi stanno plasmando il futuro del deep learning e dello sviluppo di software nel suo complesso.
