Logo Keras
S veľkú obľubu, ktorú si používanie umelej inteligencie získalo v rôznych oblastiach, “Hlboké učenie” (hlboké učenie), sa tiež podarilo získať veľký význam, pretože sa používa na rozhodovanie, detekciu objektov, rozpoznávanie reči, preklad jazyka a na mnohé ďalšie úlohy, pretože spomenul iba niektoré z použitých.
sólo aby som uviedol príklad, hlboké učenie Používa sa v sledovacích kamerách dnes av tomto prípade hovoríme o komerčnom využití, ktoré predstavuje veľký trh a predovšetkým preto, že videodohľad už nie je luxusom, ale začal sa stávať nevyhnutnosťou.
Týmto spôsobom existuje široká škála komerčných aj open source projektov, a to ako pre túto oblasť video sledovania, tak aj pre iné prípady použitia hlbokého učenia.
O Kerasovi
Necháme bokom komerčnú tému a zameriame sa trochu viac na názov článku, Chcel by som sa trochu porozprávať o Kerase, čo je a API pre neurónovú sieť na vysokej úrovni napísané v Pythone. Táto knižnica neurónovej siete otvorený zdroj je navrhnutý tak, aby poskytoval rýchle experimentovanie s hlbokými neurónovými sieťami a môže bežať nad CNTK, TensorFlow a Theano.
Čo vyniknúť na Keras z iných podobných projektov, je to Je navrhnutý tak, aby sa ho ľudia ľahko naučili, keďže bol vytvorený ako jednoduchý, s konzistentnými a jednoduchými API, znižuje počet akcií potrebných na implementáciu bežného kódu a jasne vysvetľuje chyby používateľov.
KERAS poskytuje rozhranie Pythonu s vysokou úrovňou abstrakcie a, zároveň máte možnosť viacerých serverov pre účely výpočtu. Vďaka tomu je Keras pomalší ako iné rámce hlbokého učenia, ale je mimoriadne priateľský pre začiatočníkov. keďže sa zameriava na to, aby bol modulárny, ľahko použiteľný a rozšíriteľný. Nezvláda výpočty na nízkej úrovni; namiesto toho ich prenesie do inej knižnice s názvom Backend.
Ďalší bod v prospech Kerasa je ten umožňuje používateľom vyrábať hlboké modely ako v iOS, Android, ako aj na webe a v JVM, navyše má silnú podporu viacerých GPU a distribuovanú podporu školenia.
Keras 3
Za zmienku stojí, že Keras, V súčasnosti je na svojej vetve 3.x, ktorý bol vydaný pred pár týždňami a táto nová pobočka už dostáva niekoľko vylepšení a opráv, vďaka ktorým si môžeme uvedomiť, že projekt je v neustálom vývoji a že má veľkú aktívnu komunitu.
Keras bol v intenzívnom verejnom beta testovaní už niekoľko mesiacov a vydanie Keras 3 predstavuje úplné prepísanie, zlepšujúce možnosti školenia a nasadzovania modelov vo veľkom rozsahu.
V rámci hlavné črty tejto novej pobočky z Keras 3 vyniká nasledovné:
Podpora viacerých backendov
Jednou z veľkých noviniek Keras 3.0 je bezpochyby jeho bezprecedentná podpora viacerých backendov, pretože funguje ako super konektor so schopnosťou dynamicky vybrať backend, ktorý poskytne najlepší výkon bez toho, aby bolo potrebné čokoľvek meniť v kóde.
Vylepšenia výkonu
Ďalším z kľúčových prvkov Keras 3.0 je vylepšenie výkonu, pretože využíva kompiláciu XLA (Accelerated Linear Algebra) na optimalizáciu matematických výpočtov, okrem zdvojnásobenia optimalizácie výkonu, integrácie techník, ako sú zmiešané presné školenia a distribuované školenia.
Rozšírený ekosystém
S touto novou aktualizáciou získal Keras vylepšenia podpory a môže byť vytvorený ako PyTorch, exportovaný ako model TensorFlow alebo vytvorený ako bezstavová funkcia JAX. To znamená, že môžete využiť silné stránky každého rozšíreného rámca ekosystému Keras bez toho, aby ste boli uzamknutí v jednom ekosystéme.
Stojí za zmienku, že Keras 3 je vysoko kompatibilný s Keras 2, pretože implementuje Keras 2 API, s obmedzeným počtom výnimiek, takže väčšina používateľov nebude musieť robiť žiadne zmeny kódu, aby mohli spustiť svoje skripty. Keras v tomto novom verzia.
konečne, Ak máte záujem dozvedieť sa viac, môžete skontrolovať podrobnosti o tejto novej pobočke Na nasledujúcom odkaze. Ak chcete vedieť ako implementovať Keras? vo vašom systéme, môžete skontrolovať spôsoby inštalácie v tomto odkaze, zatiaľ čo len tak dokumentáciu a prípady použitia Ak sa chcete o tom dozvedieť, môžete to urobiť na tento odkaz