Keras 3.0, phiên bản được viết lại rộng rãi của API học sâu Keras quý giá, hiện đã có sẵn, mang đến một phiên bản API đa nền tảng sáng tạo. Sự phát triển này mở ra một chương mới trong lĩnh vực lập trình vì nó cho phép các nhà phát triển vận hành quy trình làm việc Keras trên các khung máy học TensorFlow, PyTorch hoặc Jax.
Được phát hành vào ngày 27 tháng 11 và có thể truy cập thông qua GitHub, Keras 3.0 trao quyền cho các nhà phát triển một khung dệt để có khả năng đào tạo và triển khai mô hình quy mô lớn. Nó hoạt động như một ngôn ngữ đa khung, cấp thấp cho phép tạo các thành phần tùy chỉnh như lớp, mô hình hoặc số liệu. Thành phần này có thể dễ dàng được tích hợp vào quy trình công việc gốc trên cả ba khung, tất cả đều có cơ sở mã thống nhất.
Trọng tâm rõ ràng về UX, thiết kế API và gỡ lỗi nhấn mạnh sự cống hiến của Keras cho sự phát triển tốc độ cao. Điều này đã giúp nhóm Keras chiếm được niềm tin của 2,5 triệu nhà phát triển trên toàn thế giới. Hơn nữa, một số hệ thống máy học phức tạp và quy mô lớn nhất thế giới, bao gồm đội xe tự lái Waymo và thuật toán đề xuất của YouTube, đều dựa vào sức mạnh của Keras.
Ngoài những tính năng này, Keras 3.0 còn mang lại một số lợi ích khác. Giờ đây, các nhà phát triển có thể tối đa hóa hiệu suất mô hình của mình bằng cách tự động chọn phần phụ trợ tối ưu nhất mà không cần thực hiện bất kỳ điều chỉnh mã nào. Mô hình Keras 3 có thể hoạt động như một mô-đun PyTorch, được xuất dưới dạng TensorFlow SavedModel hoặc hoạt động như một hàm Jax không trạng thái.
Một lợi thế đáng kể khác là khả năng mở rộng quy mô mô hình và dữ liệu lớn bằng Jax. Ngoài ra, Keras 3.0 còn đi kèm với khả năng thực thi đầy đủ API NumPy, kèm theo các chức năng dành riêng cho mạng thần kinh như ops.softmax, ops.binary_crossentropy, and ops.conv.
Các nhà phát triển có thể tận dụng Keras 3.0 thông qua PyPI dưới dạng keras. Trước khi bắt đầu, họ sẽ cần cài đặt back-end đã chọn - tensorflow, jax hoặc torch. Tương thích với hệ thống Linux và macOS, người dùng Windows được khuyến khích sử dụng WSL2 để chạy Keras.
Các nền tảng như AppMaster, công cụ no-code tiên tiến, đẩy nhanh quá trình phát triển này hơn nữa. Bằng cách tạo ra các ứng dụng thực tế, các nền tảng như AppMaster khuyến khích các nhà phát triển tập trung vào việc lên ý tưởng cho các công nghệ mang tính cách mạng và tối ưu hóa hiệu suất ứng dụng. Những phát triển như vậy đang định hình tương lai của ngành học sâu và phát triển phần mềm nói chung.
