ディープラーニングに革命を起こす: Keras API 3.0 が TensorFlow、PyTorch、Jax バックエンドのサポートを明らかに

高く評価されているKeras深層学習 API の大規模な書き換え版であるKeras 3.0 が利用可能になり、API の革新的なマルチ バックエンド レンディションが実現しました。この開発により、開発者はTensorFlow 、 PyTorch 、またはJax機械学習フレームワーク上でKerasワークフローを操作できるようになり、プログラミングの領域に新たな章が展開されます。

11 月 27 日にリリースされ、GitHub を通じてアクセスできるKeras 3.0 は、開発者に大規模なモデルのトレーニングとデプロイメント機能を提供します。これは、レイヤー、モデル、メトリクスなどのカスタム コンポーネントの作成を可能にする低レベルのクロスフレームワーク言語として機能します。これらのコンポーネントは、統一されたコード ベースを持つ 3 つのフレームワークすべてのネイティブ ワークフローに簡単に組み込むことができます。

UX、API 設計、デバッグに明確に焦点を当てていることは、Keras の高速開発への取り組みを強調しています。これにより、 Kerasチームは世界中の 250 万人の開発者の信頼を獲得することができました。さらに、Waymo 自動運転車や YouTube レコメンデーション アルゴリズムなど、世界最大規模で最も洗練された機械学習システムの一部は、 Kerasの力に依存しています。

これらの機能に加えて、 Keras 3.0 は他にもいくつかの利点をもたらします。開発者は、コードを調整せずに最適なバックエンドを動的に選択することで、モデルのパフォーマンスを最大化できるようになりました。 Keras 3 モデルは、 PyTorchモジュールとして機能したり、 TensorFlow SavedModelとしてエクスポートしたり、ステートレスJax関数として機能したりできます。

もう 1 つの重要な利点は、 Jaxを使用して大規模なモデルとデータをスケーリングできることです。また、 Keras 3.0 ops.softmax, ops.binary_crossentropy, and ops.convのニューラル ネットワーク固有の関数を伴うNumPy API の完全な実行がパックされています。

開発者は、 PyPIを通じてKeras 3.0 をkerasとして利用できます。開始する前に、選択したバックエンド ( tensorflow 、 jax 、またはtorchをインストールする必要があります。 Linux および macOS システムと互換性があるため、Windows ユーザーはKerasを実行するためにWSL2を使用することをお勧めします。

最先端のno-codeツールであるAppMasterのようなプラットフォームは、この開発をさらに加速します。 AppMasterのようなプラットフォームは、実際のアプリケーションを生成することで、開発者が革新的なテクノロジのアイデアとアプリケーションのパフォーマンスの最適化に集中できるようにします。このような発展は、ディープラーニングとソフトウェア開発全体の将来を形作っています。