Logo de Keras
Amb l' gran popularitat que ha guanyat l'ús de la intel·ligència artificial en diferents àmbits, el «Deep Learning» (aprenentatge profund), també ha aconseguit prendre gran rellevància, ja que és utilitzat per a la presa de decisions, la detecció d'objectes, el reconeixement de la parla, la traducció d'idiomes i per a moltes tasques més, perquè només va esmentar algunes de les utilitzades.
Només per esmentar un exemple, l'aprenentatge profund és utilitzat a les càmeres de vigilància d'avui dia i en aquest cas estem parlant d'un ús comercial, cosa que representa un gran mercat i sobretot perquè la videovigilància ja no és un luxe, sinó que ha començat a tornar-ne una necessitat.
D'aquesta manera, hi ha una gran varietat de projectes tant comercials i de codi obert, tant per a aquest àmbit de la videovigilància com per als altres casos d'ús de l'aprenentatge profund.
Sobre Keras
Deixant de banda el tema comercial i centrant-nos una mica més en el títol de l'article, m'agradaria parlar una mica sobre Keras, la qual és una (API) de xarxa neuronal d'alt nivell escrita a Python. Aquesta biblioteca de xarxes neuronals de codi obert està dissenyada per proporcionar una experimentació ràpida amb xarxes neuronals profundes i es pot executar sobre CNTK, TensorFlow i Theano.
el que destaca a Keras d'altres projectes similars, és que està dissenyada perquè les persones puguin aprendre fàcilment, ja que va ser creat per ser simple, amb APIs consistents i simples, redueix les accions necessàries per implementar codi comú i explica clarament els errors de lusuari.
Keras proporciona una interfície de Python amb un alt nivell d'abstracció i, al mateix temps, té lopció de múltiples servidors per a fins de càlcul. Això fa que Keras sigui més lent que altres marcs daprenentatge profund, però extremadament amigable per a principiants. ja que se centra a ser modular, fàcil d'usar i extensible. No maneja càlculs de baix nivell; en canvi, els transfereix a una altra biblioteca anomenada Backend.
Un altre punt a favor de Keras, és que permet als usuaris produir models profunds tant en iOS, Android, així com també a la web ia JVM, a més que té un sòlid suport per a múltiples GPU i suport de capacitació distribuïda.
Keras 3
Cal esmentar que Keras, actualment es troba sobre la seva branca 3.x, la qual va ser alliberada fa poques setmanes i aquesta nova branca ha estat rebent ja algunes millores i correccions, amb la qual cosa podem adonar-nos que el projecte està en constant desenvolupament i que compta amb una gran comunitat activa.
Keras va estar durant diversos mesos d'intenses proves beta públiques i el llançament de Keras 3 representa una reescriptura completa amb la qual cosa s'han millorat les capacitats per entrenar i implementar models a escala.
Dins de les principals característiques d'aquesta nova branca de Keras 3, es destaca el següent:
Suport multibackend
Sens dubte una de les grans novetats de Keras 3.0 és el seu suport sense precedents per a múltiples backends, ja que actua com un superconnector amb la capacitat de seleccionar dinàmicament el backend que proporcionarà el millor rendiment sense haver de canviar res al codi.
Millores de rendiment
Un altre dels aspectes destacats de clau de Keras 3.0 són les millores de rendiment, perquè aprofita la compilació XLA (Àlgebra lineal accelerada) per optimitzar els càlculs matemàtics, a més que duplica l'optimització del rendiment, integrant tècniques com l'entrenament de precisió mixta i l'entrenament distribuït
Ecosistema ampliat
Amb aquesta nova actualització, Keras va rebre millores de suport i amb això es pot crear una instància com a PyTorch, es pot exportar com un model de TensorFlow o es pot crear una instància com una funció JAX sense estat. Això vol dir que pot aprofitar les fortaleses de cada marc ampliat de l'ecosistema de Keras a no estar tancat en un únic ecosistema.
Cal esmentar que Keras 3 és altament compatible amb Keras 2, ja que implementa l'API de Keras 2, amb un nombre limitat d'excepcions, per la qual cosa majoria dels usuaris no hauran de fer cap canvi de codi per començar a executar els seus scripts de Keras en aquesta nova versió.
Finalment, si estàs interessat en poder conèixer més a l'respecte, podeu consultar els detalls d'aquesta nova branca en el següent enllaç. Si vols conèixer el com implementar Keras? al vostre sistema, podeu consultar els mètodes d'instal·lació en aquest enllaç, mentre que per així com documentació i casos d'ús per aprendre sobre això, ho pots fer a aquest enllaç.