Keras logo
Sa veliku popularnost koju je stekla upotreba umjetne inteligencije u različitim oblastima, “Duboko učenje” (duboko učenje), takođe je uspeo da dobije veliku važnost, budući da se koristi za donošenje odluka, detekciju objekata, prepoznavanje govora, prevođenje jezika i za mnoge druge zadatke, jer je naveo samo neke od korištenih.
solo da spomenem primjer, duboko učenje Koristi se u nadzornim kamerama Danas iu ovom slučaju govorimo o komercijalnoj upotrebi, koja predstavlja veliko tržište i prije svega jer video nadzor više nije luksuz, već je počeo da postaje neophodnost.
Na ovaj način postoji širok izbor komercijalnih i open source projekata, kako za ovu oblast video nadzora, tako i za druge slučajeve dubokog učenja.
O Kerasu
Ostavljajući po strani komercijalno pitanje i fokusirajući se malo više na naslov članka, Hteo bih da pričamo malo o Kerasu, što je a API neuronske mreže visokog nivoa napisan u Pythonu. Ova biblioteka neuronske mreže open source je dizajniran da omogući brzo eksperimentisanje sa dubokim neuronskim mrežama i može da radi na CNTK, TensorFlow i Theano.
Šta isticati se Kerasu iz drugih sličnih projekata, je li to Dizajniran je tako da ga ljudi mogu lako naučiti, budući da je kreiran da bude jednostavan, sa dosljednim i jednostavnim API-jima, smanjuje akcije potrebne za implementaciju uobičajenog koda i jasno objašnjava greške korisnika.
Keras pruža Python interfejs sa visokim nivoom apstrakcije i, u isto vrijeme, imate mogućnost više servera za potrebe izračunavanja. To čini Keras sporijim od drugih okvira za duboko učenje, ali izuzetno pogodnim za početnike. jer se fokusira na to da bude modularan, jednostavan za korištenje i proširiv. Ne obrađuje proračune niskog nivoa; umjesto toga, prenosi ih u drugu biblioteku pod nazivom Backend.
Još jedna stvar koja ide u prilog Kerasu je to omogućava korisnicima da proizvode duboke modele obojica iOS, Android, kao i na webu iu JVM-u, plus ima snažnu multi-GPU podršku i distribuiranu podršku za obuku.
Keras 3
Vrijedi napomenuti da je Keras, Trenutno je na svojoj 3.x grani, koji je izašao prije nekoliko sedmica i ova nova grana već dobija neka poboljšanja i korekcije, čime možemo shvatiti da je projekat u stalnom razvoju i da ima veliku aktivnu zajednicu.
Keras je već nekoliko mjeseci u intenzivnom javnom beta testiranju, a izdavanje Kerasa 3 predstavlja potpunu promjenu, poboljšavajući mogućnosti za obuku i implementaciju modela u velikom obimu.
U okviru glavne karakteristike ove nove grane od Kerasa 3, ističe se sljedeće:
Multi-backend podrška
Bez sumnje, jedna od velikih novina Kerasa 3.0 je njegova podrška bez presedana za više backendova, budući da djeluje kao super konektor sa mogućnošću dinamičkog odabira backenda koji će pružiti najbolje performanse bez potrebe za mijenjanjem bilo čega u kodu.
Poboljšanje performansi
Još jedan od ključnih naglasaka Keras 3.0 su poboljšanja performansi, jer koristi kompilaciju XLA (Ubrzana linearna algebra) za optimizaciju matematičkih proračuna, uz udvostručenje optimizacije performansi, integraciju tehnika kao što su mješoviti precizni trening i distribuirani trening
Prošireni ekosistem
Sa ovim novim ažuriranjem, Keras je dobio poboljšanja podrške i može se instancirati kao PyTorch, eksportovati kao TensorFlow model ili instancirati kao JAX funkcija bez stanja. To znači da možete iskoristiti prednosti svakog proširenog Keras okvira ekosistema, a da ne budete zaključani u jedan ekosistem.
Vrijedi napomenuti da je Keras 3 vrlo kompatibilan sa Keras 2, budući da implementira Keras 2 API, sa ograničenim brojem izuzetaka, tako da većina korisnika neće morati mijenjati kod kako bi pokrenuli svoje skripte. Keras u ovom novom verzija.
Na kraju, Ako ste zainteresirani da saznate više o tome, možete provjeriti detalje ove nove podružnice Na sledećem linku. Ako želite znati kako implementirati Keras? na vašem sistemu, možete provjeriti metode instalacije na ovom linku, dok samo tako dokumentaciju i slučajeve upotrebe Da biste saznali više o tome, možete to učiniti na this link