Deep learning untuk manusia, Keras 3.0 dirilis

• Keras 3.0 diumumkan resmi dirilis, setelah melalui 5 bulan pengujian beta publik
• Keras 3 adalah versi yang ditulis ulang secara menyeluruh untuk menjalankan workflow Keras di atas JAX, TensorFlow, dan PyTorch
• Menyediakan fitur baru untuk pelatihan dan deployment model skala besar

Selamat datang di machine learning multi-framework

• Keunggulan menggunakan Keras berfokus pada kecepatan pengembangan yang tinggi, pengalaman pengguna, desain API, dan kemudahan debugging
• Framework teruji yang dipilih oleh 2,5 juta developer ini digunakan pada sistem ML berskala besar seperti kendaraan otonom Waymo dan mesin rekomendasi YouTube
• Keras 3 juga menawarkan manfaat tambahan seperti optimasi performa model, perluasan opsi ekosistem model, serta dukungan untuk paralelisme model skala besar dan paralelisme data

API Keras 3 tersedia di JAX, TensorFlow, dan PyTorch

• Keras 3 mengimplementasikan seluruh API Keras dan dapat digunakan di TensorFlow, JAX, dan PyTorch
• Semua model Keras yang hanya menggunakan layer bawaan akan langsung berjalan di semua backend yang didukung
• Model tf.keras yang sudah ada juga dapat langsung dijalankan di JAX dan PyTorch

Menulis layer, model, dan metrik multi-framework

• Keras 3 memungkinkan pembuatan komponen yang bekerja sama di semua backend, seperti custom layer dan model pralatih
• Melalui namespace keras.ops, tersedia API NumPy yang kompatibel lintas-backend serta fungsi yang dikhususkan untuk neural network
• Selama hanya menggunakan keras.ops, custom layer dan metrik akan bekerja dengan kode yang sama di JAX, PyTorch, dan TensorFlow

API distribusi baru untuk paralelisme data skala besar dan paralelisme model

• Menyediakan API distribusi baru untuk menyelesaikan masalah sharding model skala besar
• Memisahkan definisi model, logika pelatihan, dan konfigurasi sharding sehingga model bisa ditulis seolah berjalan pada satu perangkat
• Menyediakan API untuk dengan mudah menentukan layout sharding bagi paralelisme data dan paralelisme model

Model pralatih

• Menyediakan berbagai model pralatih yang dapat digunakan di Keras 3
• Semua model Keras Applications dan model pralatih dari KerasCV serta KerasNLP bekerja di semua backend

Dukungan pipeline data lintas-framework di semua backend

• Model Keras 3 dapat dilatih menggunakan berbagai pipeline data terlepas dari backend JAX, PyTorch, atau TensorFlow

Pengungkapan kompleksitas secara bertahap

• API Keras mengikuti prinsip desain yang mendukung beragam workflow untuk berbagai profil pengguna, dari workflow sederhana hingga kustomisasi tingkat rendah

API stateless

• Semua objek Keras yang memiliki state kini memiliki API stateless yang dapat digunakan di fungsi JAX

Pindah dari Keras 2 ke Keras 3

• Keras 3 memiliki kompatibilitas tingkat tinggi dengan Keras 2, dan sebagian besar pengguna dapat beralih ke Keras 3 tanpa perubahan kode
• Codebase yang lebih besar mungkin memerlukan beberapa perubahan kode, namun tersedia panduan migrasi lengkap untuk membantu proses perpindahan
• Jika ingin tetap menggunakan Keras 2, Anda dapat memakai paket tf_keras atau menetapkan variabel lingkungan TF_USE_LEGACY_KERAS untuk menggunakan Keras 2

Opini GN⁺

Hal terpenting dalam tulisan ini adalah rilis resmi Keras 3.0 dan fitur-fitur baru yang ditawarkannya kepada para developer. Keras 3.0 berjalan di berbagai backend seperti JAX, TensorFlow, dan PyTorch, serta secara signifikan meningkatkan fleksibilitas dan efisiensi pengembangan machine learning dengan memperbaiki kemampuan pelatihan dan deployment model skala besar. Karakteristik ini merupakan kabar yang sangat menarik bagi komunitas machine learning, sekaligus memberi peluang bagi developer untuk bereksperimen dan melakukan deployment model di lingkungan yang lebih beragam.

[cosine20]

Secara pribadi saya sangat menyukai Keras, jadi saya sangat senang karena sekarang Keras juga bisa dijalankan dengan PyTorch sebagai backend.

[imozart7]

Oh, versi Keras yang baru akhirnya diumumkan.

Saya baru belajar PyTorch,
namun karena katanya "model tf.keras yang sudah ada juga bisa langsung dijalankan di JAX dan PyTorch", saya jadi penasaran bagaimana caranya~

[kuroneko]

Oh, Keras 3 sudah keluar ya. +_+
Semoga pengembangan maupun pelatihan model jadi lebih mudah.