Логотип Керас
с большую популярность приобрело использование искусственного интеллекта в разных областях, «Глубокое обучение» (глубокое обучение), также сумел приобрести большую актуальность, поскольку он используется для принятия решений, обнаружения объектов, распознавания речи, языкового перевода и для многих других задач, поскольку упоминаются только некоторые из используемых.
соло привести пример, глубокое обучение Используется в камерах наблюдения. сегодня и в данном случае мы говорим о коммерческом использовании, которое представляет собой большой рынок и, прежде всего, потому, что видеонаблюдение больше не является роскошью, а стало необходимостью.
Таким образом, существует большое разнообразие как коммерческих, так и проектов с открытым исходным кодом, как для этой области видеонаблюдения, так и для других вариантов использования глубокого обучения.
О Керасе
Оставив в стороне коммерческий вопрос и немного больше остановившись на названии статьи, Я хотел бы поговорить немного о Керасе, который является API нейронной сети высокого уровня, написанный на Python. Эта библиотека нейронных сетей с открытым исходным кодом предназначен для быстрого экспериментирования с глубокими нейронными сетями и может работать поверх CNTK, TensorFlow и Theano.
Как основной момент Керасу из других подобных проектов, заключается в том, что Он разработан таким образом, чтобы люди могли легко его изучить., поскольку он был создан как простой, с последовательными и простыми API, он сокращает количество действий, необходимых для реализации общего кода, и четко объясняет ошибки пользователей.
Keras предоставляет интерфейс Python с высоким уровнем абстракции иВ то же время у вас есть возможность использовать несколько серверов для целей расчета. Это делает Keras медленнее, чем другие среды глубокого обучения, но чрезвычайно удобен для новичков. поскольку он ориентирован на модульность, простоту в использовании и расширяемость. Он не обрабатывает низкоуровневые вычисления; вместо этого он передает их в другую библиотеку под названием Backend.
Еще один аргумент в пользу Кераса заключается в том, что позволяет пользователям создавать глубокие модели оба iOS, Android, а также в Интернете и в JVM, плюс он имеет мощную поддержку нескольких графических процессоров и поддержку распределенного обучения.
Керас 3
Стоит отметить, что Керас, В настоящее время он находится в ветке 3.x., который был выпущен несколько недель назад, и эта новая ветка уже получила некоторые улучшения и исправления, с помощью которых мы можем понять, что проект находится в постоянном развитии и что у него большое активное сообщество.
Keras уже несколько месяцев находится в интенсивном публичном бета-тестировании, и выпуск Keras 3 представляет собой полную переработку, улучшающую возможности обучения и развертывания моделей в большом масштабе.
в основные особенности этой новой ветки из Keras 3 выделяется следующее:
Поддержка нескольких серверов
Без сомнения, одной из величайших новинок Keras 3.0 является беспрецедентная поддержка нескольких бэкэндов, поскольку он действует как суперконнектор с возможностью динамического выбора бэкенда, который обеспечит наилучшую производительность без необходимости менять что-либо в коде.
Улучшения производительности
Еще одним ключевым моментом Keras 3.0 является повышение производительности, поскольку он использует компиляцию XLA (ускоренная линейная алгебра) для оптимизации математических вычислений, а также удвояет оптимизацию производительности, интегрируя такие методы, как обучение смешанной точности и распределенное обучение.
Расширенная экосистема
В этом новом обновлении Keras получил улучшения поддержки и может быть создан как PyTorch, экспортирован как модель TensorFlow или создан как функция JAX без сохранения состояния. Это означает, что вы можете использовать сильные стороны каждой расширенной экосистемы Keras, не привязываясь к одной экосистеме.
Стоит отметить, что Keras 3 очень совместим с Keras 2, поскольку он реализует API Keras 2 с ограниченным числом исключений, поэтому большинству пользователей не придется вносить какие-либо изменения в код, чтобы начать запускать свои скрипты. версия.
Наконец, Если вам интересно узнать об этом больше, вы можете проверить подробную информацию об этом новом филиале По следующей ссылке. Если вы хотите знать как реализовать Керас? в вашей системе вы можете проверить методы установки в этой ссылке, пока просто так документация и варианты использования Чтобы узнать об этом, вы можете сделать это на эту ссылку.