keras-team/keras：人类深度学习

Keras 3是一个多后台深度学习框架，支持JAX、TensorFlow、PyTorch和OpenVINO（仅用于推理）。

费力地构建和训练计算机视觉、自然语言处理、音频处理、时间序列预测、推荐系统等模型-加速模型开发：得益于Keras的高级用户体验和PyTorch或JAX等易于调试的运行时的可用性，更快地交付深度学习解决方案。

- 最先进的性能：通过选择适合您的模型架构（通常是JAX！），与其他框架相比，可利用20%至350%的加速。这里的基准。- 数据中心规模培训：自信地从笔记本电脑扩展到大型图形处理器或pu集群。

与从新兴初创公司到全球企业的近300万开发者一起利用Keras 3的力量。Keras 3在PyPI上以keras形式提供.请注意，Keras 2仍然以tf-keras的形式提供包. - 安装keras:pip安装keras --升级- 安装后台包。

使用Keras，您还应该安装选择的后台：tensorFlow，，或火炬.此外，Openvino后台仅支持模型推断。Keras 3与Linux和macOS系统兼容。对于Windows用户，我们建议使用WSL 2运行Keras。

要安装本地开发版本：- 安装依赖项：pip install -r要求。

txt- 从根目录运行安装命令。Python pip_built。py --安装- 创建更新的PR时运行API生成脚本keras_出口公共API：. /shell/api_gen.sh下表列出了Keras最新稳定版本（v3）支持的每个后端的最低版本。

x）：的要求。txt文件将安装TensorFlow、JAX和PyTorch的仅限PU版本。对于图形处理器支持，我们还提供单独的需求-{backend}-cuda。txtTensorFlow、JAX和PyTorch。

安装所有CUDA通过PIP依赖并期望预先安装NVIDIA驱动程序。我们为每个人推荐干净的Python环境后台以避免CUDA版本不匹配。例如，以下是如何使用conda创建JAX图形处理器环境:conda Create -y -n keras-psych =3。

10康达激活Keras-Buttonspip installation-r needs-cuda。txtPython pip_built。py --安装您可以输出环境变量KEras_CLARNEND或者您可以在~/编辑本地配置文件。

keras/keras。JSON来配置您的后台。可用的后台选项包括：“tensorFlow”、“”、“火炬”，“openvino”.示例：出口KEras_CLAREST =“CLARIES”在Colab中，您可以执行以下操作：

导入osOS. environ[“KEras_CLARION End”] =“CLARION”进口喀拉斯注意：导入keras之前必须配置后台，并且后台无法更改包裹已进口。

注意：OpenVINO后台是一个纯推理后台，这意味着它仅为运行模型而设计使用模型进行预测。预测（）法Keras 3旨在作为tf的临时替代品。keras(when使用TensorFlow后台）。

只是把你的现有tf。keras代码，确保您对模型的调用。Save（）使用最新的。keras格式，你是完了如果你的tf。keras模型不包括自定义组件，您可以立即开始在JAX或PyTorch上运行它。

如果它确实包括自定义组件（例如。G.自定义层或自定义train_Step（）），通常可以转换只需几分钟即可实现与后台不可知的实现。此外，Keras模型可以使用任何格式的数据集，无论您使用的后台如何：您可以使用现有的tf训练您的模型。

数据数据集管道或PyTorch数据加载器. - 在任何框架之上运行您的高级Keras工作流程--随意受益于每个框架的优势，例如。G. JAX的可扩展性和性能或TensorFlow的生产生态系统选项。

- 编写自定义组件（例如。G.层、模型、指标），您可以在任何框架的低级工作流程中使用。- 您可以采用Keras模型，并在原生TF、JAX或PyTorch从头开始编写的训练循环中训练它。

- 您可以采用Keras模型并将其用作PyTorch原生版的一部分模块或作为JAX原生模型函数的一部分。

- 通过避免框架锁定，使您的ML代码面向未来。- 作为PyTorch用户：终于可以使用Keras的强大功能和可用性了！- 作为JAX用户：可以访问功能齐全、经过战斗考验、文档充分的建模和培训库。

请参阅Keras 3发布公告中的更多信息。