- Se anunció el lanzamiento oficial de Keras 3.0, tras 5 meses de pruebas beta públicas
- Keras 3 es una reescritura integral que permite ejecutar flujos de trabajo de Keras sobre JAX, TensorFlow y PyTorch
- Ofrece nuevas capacidades para el entrenamiento y despliegue de modelos a gran escala
Bienvenida al aprendizaje automático multiframewok
- Las ventajas de usar Keras se centran en una alta velocidad de desarrollo, experiencia de usuario, diseño de API y facilidad de depuración
- Es un framework probado elegido por 2.5 millones de desarrolladores, y se usa en sistemas de ML a gran escala como los vehículos autónomos de Waymo y el motor de recomendaciones de YouTube
- Keras 3 ofrece beneficios adicionales como optimización del rendimiento del modelo, ampliación de opciones del ecosistema de modelos, y soporte para paralelismo de modelos a gran escala y paralelismo de datos
La API de Keras 3 está disponible en JAX, TensorFlow y PyTorch
- Keras 3 implementa toda la API de Keras y puede usarse con TensorFlow, JAX y PyTorch
- Cualquier modelo de Keras que use solo capas integradas funciona de inmediato en todos los backends compatibles
- Los modelos existentes de
tf.kerastambién pueden ejecutarse directamente en JAX y PyTorch
Escritura de capas, modelos y métricas multiframewok
- Keras 3 permite crear componentes (como capas personalizadas y modelos preentrenados) que funcionan igual en todos los backends
- A través del espacio de nombres
keras.ops, ofrece una API de NumPy compatible entre backends y funciones especializadas para redes neuronales - Mientras se use solo
keras.ops, las capas y métricas personalizadas funcionarán con el mismo código en JAX, PyTorch y TensorFlow
Nueva API distribuida para paralelismo de datos a gran escala y paralelismo de modelos
- Proporciona una nueva API distribuida para resolver el problema del sharding de modelos a gran escala
- Separa la definición del modelo, la lógica de entrenamiento y la configuración de sharding, para que se pueda escribir un modelo como si se ejecutara en un solo dispositivo
- Ofrece una API para especificar fácilmente layouts de sharding para paralelismo de datos y paralelismo de modelos
Modelos preentrenados
- Ofrece una variedad de modelos preentrenados disponibles en Keras 3
- Todos los modelos de Keras Applications y los modelos preentrenados de KerasCV y KerasNLP funcionan en todos los backends
Soporte para pipelines de datos cross-framework en todos los backends
- Los modelos de Keras 3 pueden entrenarse usando diversos pipelines de datos, independientemente de si el backend es JAX, PyTorch o TensorFlow
Divulgación progresiva de la complejidad
- La API de Keras sigue un principio de diseño que soporta distintos flujos de trabajo para diversos perfiles de usuario, desde flujos simples hasta personalización de bajo nivel
API sin estado
- Todos los objetos con estado de Keras ahora tienen una API sin estado que puede usarse en funciones de JAX
Migración de Keras 2 a Keras 3
- Keras 3 tiene un alto nivel de compatibilidad con Keras 2, y la mayoría de los usuarios pueden cambiarse a Keras 3 sin modificar código
- Las bases de código más grandes podrían requerir algunos cambios, pero se proporciona una guía de migración completa para ayudar en el proceso
- Si se desea seguir usando Keras 2, se puede usar el paquete
tf_keraso establecer la variable de entornoTF_USE_LEGACY_KERASpara usar Keras 2
Opinión de GN⁺
Lo más importante de este artículo es el lanzamiento oficial de Keras 3.0 y las nuevas funciones que ofrece a los desarrolladores. Keras 3.0 funciona con diversos backends como JAX, TensorFlow y PyTorch, y mejora de forma importante la flexibilidad y la eficiencia del desarrollo de aprendizaje automático al reforzar las capacidades de entrenamiento y despliegue de modelos a gran escala. Estas características son una noticia muy interesante para la comunidad de machine learning y brindan a los desarrolladores la oportunidad de experimentar y desplegar modelos en entornos más diversos.
3 comentarios
Personalmente me gusta muchísimo Keras, así que me da muchísimo gusto que ahora también se pueda ejecutar usando PyTorch como backend.
Oh, así que anunciaron una nueva versión de Keras.
Yo solo he aprendido PyTorch,
pero eso de que "los modelos existentes de
tf.kerastambién se pueden ejecutar directamente en JAX y PyTorch" me da curiosidad saber cómo se hace~Vaya, ya salió Keras 3. +_+
Ojalá que tanto el desarrollo como el entrenamiento de modelos se vuelvan un poco más fáciles.