Жесткий
 | |
| Оригинальный автор(ы) | Франсуа Шолле |
|---|---|
| Разработчик(и) | ОНИРОС |
| Первоначальный выпуск | 27 марта 2015 г |
| Стабильная версия | 3.3.3 [1] / 26 апреля 2024 г |
| Репозиторий | |
| Написано в | Питон |
| Платформа | Кросс-платформенный |
| Тип | Фронтенд для TensorFlow , JAX или PyTorch (и других) |
| Лицензия | Апач 2.0 |
| Веб-сайт | жесткий  |
Keras — это с открытым исходным кодом библиотека , предоставляющая Python интерфейс для искусственных нейронных сетей . Keras сначала был независимым программным обеспечением, затем был интегрирован в TensorFlow библиотеку , а позже поддерживал больше. «Keras 3 — это полная переработка Keras [может использоваться] как низкоуровневый межплатформенный язык для разработки пользовательских компонентов, таких как слои, модели или метрики, которые можно использовать в собственных рабочих процессах в JAX, TensorFlow или PyTorch — с одной кодовой базой». [2] Keras 3 будет версией Keras по умолчанию для TensorFlow 2.16 и более поздних версий, но Keras 2 по-прежнему можно использовать. [3]
История [ править ]
Название «Керас» происходит от древнегреческого слова κέρας (Керас), что означает «рог». [4]
Разработанный для быстрого экспериментирования с глубокими нейронными сетями , Keras ориентирован на удобство использования, модульность и расширяемость . Он был разработан в рамках исследовательского проекта ONEIROS (Открытая нейроэлектронная интеллектуальная операционная система робота). [5] а его основным автором и сопровождающим является Франсуа Шолле , инженер Google . Шолле также является автором Xception . модели глубоких нейронных сетей [6]
Вплоть до версии 2.3 Keras поддерживал несколько бэкэндов , включая TensorFlow, Microsoft Cognitive Toolkit , Theano и PlaidML . [7] [8] [9]
Начиная с версии 2.4 поддерживался только TensorFlow. Однако, начиная с версии 3.0 (а также ее предварительной версии Keras Core), Keras снова стал мультибэкендным, поддерживая TensorFlow, JAX и PyTorch . [10]
Особенности [ править ]
Keras содержит многочисленные реализации широко используемых строительных блоков нейронных сетей, таких как слои, цели , функции активации , оптимизаторы , а также множество инструментов для работы с изображениями и текстовыми данными для упрощения программирования в области глубоких нейронных сетей. Код размещен на GitHub , а форумы поддержки сообщества включают страницу проблем GitHub и канал Slack . [ нужна ссылка ]
Помимо стандартных нейронных сетей, Keras имеет поддержку сверточных и рекуррентных нейронных сетей . Он поддерживает другие общие служебные уровни, такие как отсев , пакетная нормализация и объединение в пулы . [11]
Keras позволяет пользователям создавать глубокие модели на смартфонах ( iOS и Android ), в Интернете или на виртуальной машине Java . [8] Это также позволяет использовать распределенное обучение моделей глубокого обучения на кластерах графических процессоров (GPU) и тензорных процессоров (TPU) . [12]
См. также [ править ]
Ссылки [ править ]
- ^ «Выпуск 3.3.3» . 26 апреля 2024 г. Проверено 23 мая 2024 г.
- ^ «Керас: глубокое обучение для людей» . keras.io . Проверено 30 апреля 2024 г.
- ^ «Что нового в TensorFlow 2.16» . Проверено 30 апреля 2024 г.
- ^ Команда Керас. «Документация Keras: О Keras 3» . keras.io . Проверено 10 февраля 2024 г.
- ^ «Документация Кераса» . keras.io . Проверено 18 сентября 2016 г.
- ^ Шолле, Франсуа (2016). «Xception: глубокое обучение с глубоко разделяемыми извилинами». arXiv : 1610.02357 .
- ^ «Бэкэнды Keras» . keras.io . Проверено 23 февраля 2018 г.
- ^ Jump up to: а б «Зачем использовать Керас?» . keras.io . Проверено 22 марта 2020 г.
- ^ «R-интерфейс для Keras» . keras.rstudio.com . Проверено 22 марта 2020 г.
- ^ Шолле, Франсуа; Усуи, Лорен (2023). «Представляем Keras Core: Keras для TensorFlow, JAX и PyTorch» . Керас.io . Проверено 11 июля 2023 г.
- ^ «Ядро — Документация Keras» . keras.io . Проверено 14 ноября 2018 г.
- ^ «Использование TPU | TensorFlow» . ТензорФлоу . Архивировано из оригинала 4 июня 2019 г. Проверено 14 ноября 2018 г.
Внешние ссылки [ править ]
Дифференцируемые вычисления |
|---|
