摘要:在年月首次推出,現在用戶數量已經突破了萬。其中有數百人為代碼庫做出了貢獻,更有數千人為社區做出了貢獻。現在我們推出,它帶有一個更易使用的新,實現了與的直接整合。類似的,正在用實現份額部分規范,如。大量的傳統度量和損失函數已被移除。
Keras 在 2015 年 3 月首次推出,現在用戶數量已經突破了 10 萬。其中有數百人為 Keras 代碼庫做出了貢獻,更有數千人為 Keras 社區做出了貢獻。Keras 已經催生了新的創業公司、提高了研究者的成果率、簡化了大公司的工程流程圖、并為數以千計沒有機器學習經驗的人打開一扇通向深度學習的大門。而我們相信這僅僅是個開始。
現在我們推出 Keras 2,它帶有一個更易使用的新 API,實現了與 TensorFlow 的直接整合。這是在 TensorFlow 核心整合 Keras API 所準備的重要一步。
Keras 2 有很多新變化,下面是簡明概覽:
與 TensorFlow 整合
盡管 Keras 自 2015 年 12 月已經作為運行時間后端(runtime backend)開始支持 TensorFlow,Keras API 卻一直與 TensorFlow 代碼庫相分離,這種情況正在改變:從 TensorFlow 1.2 版本開始,Keras API 可作為 TensorFlow 的一部分直接使用,這是 TensorFlow 在向數百萬新用戶開源的道路上邁出的一大步。
Keras 較好被理解為一個 API 技術規范,而不是一個特殊的代碼庫。事實上,繼續發展將會出現 Keras 技術規范的兩個不同實現:(a)TensorFlow 的內部實現(如 tf.keras),純由 TensorFlow 寫成,與 TensorFlow 的所有功能深度兼容;(b)外部的多后臺實現,同時支持 Theano 和 TensorFlow(并可能在未來有更多的后臺)。
類似的,Skymind 正在用 Scala 實現 Keras 份額部分規范,如 ScalNet。為了在瀏覽器中運行,Keras.js 正在用 JavaScript 運行 Keras 的部分 API。正因如此,Keras API 注定成為深度學習從業者的通用語言,在不同的工作流程中共享并獨立于底層平臺。像 Keras 這樣的統一 API 規范將促進代碼共享,提高研究的再生產率,并允許更大支持社區的存在。
新 API
新的 Keras 2 API 是我們較早的長期支持的 API:下個月 Keras 2 的代碼庫將在的軟件上開始運行數年。為了將其變為可能,考慮到未來會出現的問題,我們在這次發布中大量修改了 API。特別是,我們的新 API 選項完全兼容 TensorFlow 規范。
?大多數層的 API 有了顯著變化,特別是 Dense、BatchNormalization 和全卷積層。然而,我們已經設置好了兼容接口,這樣你的 Keras 1 代碼就可以在 Keras 2 上無障礙運行了(同時發出警告來幫助你轉換對新 API 的層調用)。
訓練和評估生成器方法的 API 已經改變(如: fit_generator、predict_generator 和 evaluate_generator)。不過,無需擔心,Keras 1 的調用依然適用于 Keras 2。
fit、nb_epoch 已重命名為為 epochs。我們的 API 轉換接口也適用于這項改變。
很多層所保存的權重格式已經改變。然而,Keras 1 上保存的權重文件依然能在 Keras 2 模型上加載。
objectives 模塊已更名為 losses。
顯著修改
考慮到 Keras 的廣大用戶基礎,我們盡量不對 Keras 做根本變動,但是,還是有些變動不可避免,尤其是對于更高階的用戶來講。
傳統層 MaxoutDense、TimeDistributedDense 和 Highway 已被永久移除。
大量的傳統度量和損失函數已被移除。
BatchNormalization 層不再支持 mode 參數。
由于 Keras 內部構件已經改變,自定義層被升級。改變相對較小,因此將變快變簡單。參見指南:https://keras.io/layers/writing-your-own-keras-layers/
通常來講,任何使用非正式的 Keras 功能編寫的代碼將會失效,因此高階用戶也許需要做一些相應的更新工作。
開始
你可以:
從 PyPI:pip install keras --upgrade 安裝 Keras 2
在 Github 上查看代碼:https://github.com/fchollet/keras
閱讀已更新的文檔:https://keras.io/
原文地址:https://blog.keras.io/introducing-keras-2.html
歡迎加入本站公開興趣群商業智能與數據分析群
興趣范圍包括各種讓數據產生價值的辦法,實際應用案例分享與討論,分析工具,ETL工具,數據倉庫,數據挖掘工具,報表系統等全方位知識
QQ群:81035754
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/4494.html
摘要:第一個深度學習框架該怎么選對于初學者而言一直是個頭疼的問題。簡介和是頗受數據科學家歡迎的深度學習開源框架。就訓練速度而言,勝過對比總結和都是深度學習框架初學者非常棒的選擇。 「第一個深度學習框架該怎么選」對于初學者而言一直是個頭疼的問題。本文中,來自 deepsense.ai 的研究員給出了他們在高級框架上的答案。在 Keras 與 PyTorch 的對比中,作者還給出了相同神經網絡在不同框...
摘要:相比于直接使用搭建卷積神經網絡,將作為高級,并使用作為后端要簡單地多。測試一學習模型的類型卷積神經網絡數據集任務小圖片數據集目標將圖片分類為個類別根據每一個的訓練速度,要比快那么一點點。 如果我們對 Keras 在數據科學和深度學習方面的流行還有疑問,那么考慮一下所有的主流云平臺和深度學習框架的支持情況就能發現它的強大之處。目前,Keras 官方版已經支持谷歌的 TensorFlow、微軟的...
摘要:版本正式發布啦本文將為大家介紹此版本的一些重大改變主要功能和改進修復以及其他變化。主要特點和改進現在根據預構建的二進制文件是針對和構建的。,,開始支持分布式在中添加的分布式策略支持和獨立客戶端支持。 TensorFlow 1.11.0 版本正式發布啦!本文將為大家介紹此版本的一些重大改變、主要功能和改進、Bug 修復以及其他變化。主要特點和改進Nvidia GPU:現在(根據 TensorF...
摘要:現場宣布全球領先的深度學習開源框架正式對外發布版本,并保證的本次發布版本的接口滿足生產環境穩定性要求。有趣的應用案例皮膚癌圖像分類皮膚癌在全世界范圍內影響深遠,患病人數眾多,嚴重威脅身體機能。 前言本文屬于介紹性文章,其中會介紹許多TensorFlow的新feature和summit上介紹的一些有意思的案例,文章比較長,可能會花費30分鐘到一個小時Google于2017年2月16日(北京時間...
摘要:我們對種用于數據科學的開源深度學習庫作了排名。于年月發布了第名,已經躋身于深度學習庫的上半部分。是最流行的深度學習前端第位是排名較高的非框架庫。頗受對數據集使用深度學習的數據科學家的青睞。深度學習庫的完整列表來自幾個來源。 我們對23種用于數據科學的開源深度學習庫作了排名。這番排名基于權重一樣大小的三個指標:Github上的活動、Stack Overflow上的活動以及谷歌搜索結果。排名結果...
閱讀 1030·2021-09-22 15:26
閱讀 2607·2021-09-09 11:52
閱讀 1890·2021-09-02 09:52
閱讀 2241·2021-08-12 13:28
閱讀 1180·2019-08-30 15:53
閱讀 506·2019-08-29 13:47
閱讀 3380·2019-08-29 11:00
閱讀 3095·2019-08-29 10:58