Keras, une API de deep learning open source

Keras

Logo Keras

Avec la grande popularité qu'a gagnée l'utilisation de l'intelligence artificielle dans différents domaines, "L'apprentissage en profondeur" (l'apprentissage en profondeur), a également réussi à acquérir une grande pertinence, car il est utilisé pour la prise de décision, la détection d'objets, la reconnaissance vocale, la traduction de langues et pour bien d'autres tâches, car il ne mentionne que certaines de celles utilisées.

Solo Dome pour citer un exemple, l'apprentissage en profondeur Il est utilisé dans les caméras de surveillance aujourd'hui et dans ce cas nous parlons d'usage commercial, qui représente un marché important et surtout parce que la vidéosurveillance n'est plus un luxe, mais commence à devenir une nécessité.

De cette manière, il existe une grande variété de projets commerciaux et open source, tant pour ce domaine de la vidéosurveillance que pour d'autres cas d'utilisation du deep learning.

À propos de Keras

Laissant de côté la question commerciale et se concentrant un peu plus sur le titre de l'article, Je voudrais parler un peu de Keras, qui est un API de réseau neuronal de haut niveau écrite en Python. Cette bibliothèque de réseaux neuronaux open source est conçu pour permettre une expérimentation rapide avec des réseaux de neurones profonds et peut fonctionner sur CNTK, TensorFlow et Theano.

Comme faits saillants à Keras d'autres projets similaires, est-ce que Il est conçu pour que les gens puissent l'apprendre facilement, puisqu'il a été créé pour être simple, avec des API cohérentes et simples, il réduit les actions nécessaires à la mise en œuvre du code commun et explique clairement les erreurs des utilisateurs.

Keras fournit une interface Python avec un haut niveau d'abstraction et, en même temps, vous avez la possibilité d'utiliser plusieurs serveurs à des fins de calcul. Cela rend Keras plus lent que les autres frameworks d'apprentissage en profondeur, mais extrêmement convivial pour les débutants. car il se veut modulaire, facile à utiliser et extensible. Il ne gère pas les calculs de bas niveau ; au lieu de cela, il les transfère vers une autre bibliothèque appelée Backend.

Un autre point en faveur de Keras est que permet aux utilisateurs de produire des modèles profonds tous les deux iOS, Android, ainsi que sur le web et en JVM, De plus, il dispose d'un solide support multi-GPU et d'un support de formation distribué.

Kéras 3

Il convient de mentionner que Keras, Il est actuellement sur sa branche 3.x, qui est sorti il ​​y a quelques semaines et cette nouvelle branche a déjà reçu quelques améliorations et corrections, avec lesquelles on peut se rendre compte que le projet est en développement constant et qu'il dispose d'une grande communauté active.

Keras fait l'objet d'intenses tests bêta publics depuis plusieurs mois, et la sortie de Keras 3 représente une réécriture complète, améliorant les capacités de formation et de déploiement de modèles à grande échelle.

Dans principales caractéristiques de cette nouvelle branche de Keras 3, ce qui suit ressort :

Prise en charge multi-backend

Sans aucun doute, l'une des grandes nouveautés de Keras 3.0 est son support sans précédent pour plusieurs backends, puisqu'il agit comme un super connecteur avec la possibilité de sélectionner dynamiquement le backend qui offrira les meilleures performances sans avoir à changer quoi que ce soit dans le code.

Amélioration des performances

Un autre des points forts de Keras 3.0 est l'amélioration des performances, car il exploite la compilation XLA (Algèbre linéaire accélérée) pour optimiser les calculs mathématiques, en plus de doubler l'optimisation des performances, en intégrant des techniques telles que l'entraînement de précision mixte et l'entraînement distribué.

Écosystème élargi

Avec cette nouvelle mise à jour, Keras a reçu des améliorations de prise en charge et peut être instancié en tant que PyTorch, exporté en tant que modèle TensorFlow ou instancié en tant que fonction JAX sans état. Cela signifie que vous pouvez exploiter les atouts de chaque cadre d'écosystème Keras étendu sans être enfermé dans un seul écosystème.

Il convient de mentionner que Keras 3 est hautement compatible avec Keras 2, car il implémente l'API Keras 2, avec un nombre limité d'exceptions, de sorte que la plupart des utilisateurs n'auront pas à apporter de modifications au code pour commencer à exécuter leurs scripts. version.

Enfin, Si vous souhaitez en savoir plus, vous pouvez vérifier les détails de cette nouvelle succursale dans le lien suivant. Si vous voulez connaître le comment implémenter Keras ? sur votre système, vous pouvez vérifier les méthodes d'installation dans ce lien, alors que pour juste comme ça documentation et cas d'utilisation Pour en savoir plus, vous pouvez le faire sur ce lien.


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont marqués avec *

*

*

  1. Responsable des données : AB Internet Networks 2008 SL
  2. Finalité des données: Contrôle du SPAM, gestion des commentaires.
  3. Légitimation: votre consentement
  4. Communication des données: Les données ne seront pas communiquées à des tiers sauf obligation légale.
  5. Stockage des données: base de données hébergée par Occentus Networks (EU)
  6. Droits: à tout moment, vous pouvez limiter, récupérer et supprimer vos informations.