Keras 入门
关于Keras的基础入门知识, 这里提供相关的学习资料。
如果您是当前正在找用于看一遍就大概知晓情况的, 关于Keras这个工具的入门性质的单页版式信息的机器学习工程师的话, 那么建议您应当去仔细阅读我们这边提供的这样一份指南, 也就是名为“面向工程师的 Keras 入门介绍”的这份内容。
如果您想要了解更多有关Keras 3以及其功能相关信息的话, 那么请您去查看一下那个所谓的Keras 3发布公告内容即可。
您是否正处在寻求那个能够深入讲解Keras API各个部分具体使用情况的详细指导资料的阶段? 如果是这样的状况, 那么请您去阅读一下我们的那本名为Keras开发者指南的文档内容。
您是不是正在找那种教程, 这些教程能展示 Keras 在好多不同的实际应用情况下是怎么用的呢? 请您去查看那个叫做 Keras 代码示例的地方。里面有超过一百五十本经过详细讲解的笔记本文件。这些文件里面演示了最佳实践办法, 最佳实践办法用在计算机视觉方面、自然语言处理方面、还有生成式的 Ai 方面。
安装 Keras 3
您能够利用 PyPI 这个工具, 把 Keras 给安装到您的电脑里面去。
pip install --upgrade keras您可以通过以下的方式, 来查看本地 Keras 版本号。
import kerasprint(keras.__version__)
要是想使用Keras 3的话, 您还得另外再去装上一个后端框架, 这个后端框架呢, 要么是JAX, 或者。
如果您已经安装了版本号为 2.15 的相关组件, 那么您应该在随后进行 Keras 3 的重新安装操作。这是因为 ==2.15这个标识会使用 keras==2.15 来覆盖您当前系统中的 Keras 安装状态。
对于 2.16 以及比它更高的后续版本, 执行上述的安装步骤就不是必须的情况了, 原因是从包含 2.16 在内的这个起始版本开始, 系统在配置时将会默认地直接去下载安装 Keras 3。
进行安装操作, 并且。
这个和那个是可以通过 pip 来安装的。
pip install --upgrade keras-cvpip install --upgrade keras-hub
pip install --upgrade keras
配置您的后端
你可以选择把环境变量给导出, 或者去编辑那个属于你本地的配置文件, 这个文件的路径是~ 加上斜杠 keras 斜杠 keras.json, 用来配置你的后端部分。可用的后端选项是: "jax"、""、"torch"。举个例子。
export KERAS_BACKEND="jax"您可以在 Colab 里面, 用这样的方式来进行操作。
import osos.environ["KERAS_BACKEND"] = "jax"
import keras
用户请注意, 必须在导入那个叫做Keras的库之前就把后端配置好, 因为一旦包被导入之后, 后端就不能再更改了。
GPU 依赖项Colab 或
如果您在 Colab 上运行。或者您在某些平台上运行。那么您的 GPU 应该已经完成了配置工作。并且拥有版本正确的 CUDA。在 Colab 上安装更高版本的 CUDA。通常是不可能的情况。
在某些平台上安装更高版本的 CUDA。同样也是不可能的。虽然存在着 pip 这种安装程序的形式。但是它们依赖于那些已经预先安装好的驱动程序。所以它们无法在 Colab 上更新驱动程序。也无法在某些平台上更新驱动程序。
通用 GPU 环境
如果您是想尝试去创建一个叫做通用环境的东西。 这样的话任何后端都可以利用 GPU。 那么我们会建议您去按照 Colab 所使用的那些依赖的版本来进行设置。 创建该环境的初衷就是要解决这样的问题。 您能够从这里去进行 CUDA 驱动程序的安装工作。
之后请您参照相对应的 CUDA 安装说明。 然后借助于 pip 手段来安装相关的后端程序。 这其中具体包括的要安装的项有 JAX、以及另外两项内容由于原文信息不全这里无法准确补全, 但按照指令应保留空格或占位含义。
最稳定的显卡运行环境的。
如果您是 Keras 贡献者, 并且正在运行 Keras 测试的话, 建议采用这种设置方式。它会进行所有后端的安装操作, 但是每一次只允许一个后端对 GPU 进行访问, 这样就避免了在不同的后端之间可能会存在的冲突性依赖项的要求。您可以根据以下特定的属于各个后端的配置文件来进行相关操作。
这些文件会通过 pip 工具去安装所有那些能支持 CUDA 的依赖项, 并且, 它们还需要你已经提前把驱动程序给装好了才对, 我们这里提议说, 为了让每个后端都能用到干净的环境,从而避免因为 CUDA 版本对不上号而出问题, 最好是专门给每个后端都弄一个独立的环境出来, 像这样做的话, 下面就是演示如何使用 Conda 这个工具来创建一个专门针对 JAX GPU 的运行环境。
conda create -y -n keras-jax python=3.10conda activate keras-jax
pip install -r requirements-jax-cuda.txt
pip install --upgrade keras
在Keras 2的版本里, 它向后兼容性方面的情况是这样的。
在版本号从2.0起一直到2.15（其中包括了2.15）的这个范围之内, 执行 pip 命令的话, 它也会把对应版本的 Keras 2 给安装上, 打个比如来说, 当 pip 的版本是 ==2.14.0 的时候, 那么就会去把 keras==2.14.0 这个包下载安装好了, 接着以后, 你要是想用这个装好的 Keras 版本的功能, 那就可以通过直接输入 keras 这个名字来访问它, 又或者使用 from keras 这种语法形式进行访问, 这里要注意一下, from keras 的用法属于是 tf.keras 这个专属命名空间下的东西。
从2.16这一版本起头。执行pip指令之后。将安装。当您拥有着>=2.16以及的时候。默认的情况之下。from keras（tf.keras）将成为的样子。
与此同时, 旧版的 Keras 2 这个包依然在定期地发布新的版本。用户可以从 PyPI 这个平台获取到它。在获取的时候, 它的名字是 keras（或者叫 tf-keras）。
请注意这一点, 也就是连字符和在下划线出现在 PyPI 的包名称里头的时候, 它们是等效的。如果想要使用这个工具, 用户可以通过运行 pip 来进行安装操作。在完成安装之后, 用户在代码中可以通过 as keras这样的方式来导入。
如果你想在升级到 2.16+ 之后, 让 tf.keras 这个部分仍然保持 Keras 2 的样子。那么你可以对你的安装情况进行配置。具体的做法是让 tf.keras 指向那个目标位置。想要做到这一点的话。
请务必把那个东西给装上, 因为有个情况你必须得知道, 它在默认的情况下是没安装的, 所以你接着去导出环境变量把这个值设为1。
有几种方法可以导出环境变量
您只需要在启动解释器的前面把shell命令设置为1就可以。您可以吧1添加到您的文件里面。这样的话, 当您重新启动shell的时候那个变量仍然是被导出状态。您可以通过下面的方式去启动脚本。
import osos.environ["TF_USE_LEGACY_KERAS"] = "1"
这些个具体的步骤条目, 它们是必须要被放置于任何种类的代码指令或者程序声明语句的前面位置上的。
那个矩阵在JAX这块地方是兼容的, 这个兼容性是确定的。
以下那个Keras还有JAX这个版本, 它们彼此间是兼容的。
兼容性
这里的 Keras 和那个后面没有数字显示的版本, 它们之间是存在兼容关系的。
使用 Keras 2
使用 Keras 3
兼容性
这里的 Keras 和那个后面没有数字显示的版本, 它们之间是存在兼容关系的。
