Saygın Keras derin öğrenme API'sinin kapsamlı bir şekilde yeniden yazılmış sürümü olan Keras 3.0, API'nin yenilikçi çoklu arka uç sunumunu öne çıkararak artık kullanıma sunuldu. Bu gelişme, geliştiricilerin Keras iş akışlarını TensorFlow, PyTorch veya Jax makine öğrenimi çerçeveleri üzerinde çalıştırmasına olanak tanıdığı için programlama alanında yeni bir sayfa açıyor.
27 Kasım'da piyasaya sürülen ve GitHub üzerinden erişilebilen Keras 3.0, geliştiricilere büyük ölçekli model eğitimi ve dağıtım yetenekleri için güç sağlıyor. Katmanlar, modeller veya ölçümler gibi özel bileşenlerin oluşturulmasına olanak tanıyan düşük seviyeli, çerçeveler arası bir dil olarak işlev görür. Bu bileşen, tümü birleştirilmiş kod temelinde olmak üzere üç çerçevenin tamamındaki yerel iş akışlarına kolayca dahil edilebilir.
UX, API tasarımı ve hata ayıklamanın net odağı, Keras'ın yüksek hızlı geliştirmeye olan bağlılığını vurguluyor. Bu, Keras ekibinin dünya çapında 2,5 milyon geliştiricinin güvenini kazanmasına yol açtı. Ayrıca, Waymo sürücüsüz araç filosu ve YouTube öneri algoritması da dahil olmak üzere dünyanın en büyük ölçekli ve en gelişmiş makine öğrenimi sistemlerinden bazıları Keras gücüne güveniyor.
Bu özelliklere ek olarak Keras 3.0 başka birçok avantajı da beraberinde getiriyor. Geliştiriciler artık herhangi bir kod ayarı yapmadan en uygun arka ucu dinamik olarak seçerek modellerinin performansını en üst düzeye çıkarabilirler. Keras 3 modeli bir PyTorch modülü olarak işlev görebilir, TensorFlow SavedModel olarak dışa aktarılabilir veya durum bilgisi olmayan bir Jax işlevi olarak çalışabilir.
Bir diğer önemli avantaj ise büyük modelleri ve verileri Jax ile ölçeklendirebilme yeteneğidir. Ayrıca Keras 3.0, ops.softmax, ops.binary_crossentropy, and ops.conv gibi sinir ağına özgü işlevlerle birlikte NumPy API'nin tam olarak çalıştırılmasıyla birlikte gelir.
Geliştiriciler Keras 3.0'ı PyPI aracılığıyla keras olarak kullanabilirler. Başlamadan önce, seçtikleri arka uç olan tensorflow, jax veya torch kurmaları gerekecektir. Linux ve macOS sistemleriyle uyumlu olan Windows kullanıcılarının Keras çalıştırmak için WSL2 kullanmaları önerilir.
Son teknoloji no-code araç olan AppMaster gibi platformlar bu gelişmeyi daha da hızlandırıyor. AppMaster gibi platformlar, gerçek uygulamalar üreterek geliştiricileri devrim niteliğinde teknolojiler tasarlamaya ve uygulama performansını optimize etmeye odaklanmaya teşvik eder. Bu tür gelişmeler bir bütün olarak derin öğrenmenin ve yazılım geliştirmenin geleceğini şekillendiriyor.
