Keras

Открытая библиотека, написанная на языке Python и обеспечивающая взаимодействие с искусственными нейронными сетями.

Можно разрабатывать свои модели Keras с помощью различных бэкендов глубокого обучения. Главная особенность состоит в том, что любая модель, использующая только встроенные слои, будет переносимой из одного бэкенда в другой.

Доступные бэкенды:

TensorFlow (от Google)

CNTK (от Microsoft)

Theano

Keras широко применяется в промышленности и исследовательском сообществе.

Keras является одним из лидеров у исследователей глубокого обучения, занимая второе место по количеству упоминаний в научных статьях, загруженных на сервер arXiv.org.

Клиенты: CERN и NASA.

Преимущества

Керас находится в центре обширной экосистемы тесно связанных проектов, которые вместе охватывают каждый этап рабочего процесса машинного обучения, в частности:

Быстрое прототипирование модели с помощью AutoKeras Обучение масштабируемой модели в GCP через TF Cloud.

Настройка гиперпараметров с помощью Keras Tuner.

Дополнительные слои, потери, метрики, обратные вызовы через TensorFlow Addons.

Квантование и отсечение модели логического вывода с помощью набора инструментов для оптимизации модели TF.

Развертывание модели с помощью TF Lite.

Развертывание модели в браузере через TF.js и многое другое.

Модели, созданные в Keras могут быть легко развернуты на большем количестве платформ, чем у любого другого фреймворка глубокого обучения:

На iOS через Apple CoreML (поддержка Keras официально предоставляется Apple).

На Android через среду исполнения TensorFlow.

В браузере с помощью графического ускорителя JavaScript (Keras.js и WebDNN).

В Google Cloud, через TensorFlow-Serving.

В веб-приложении Python (например: приложение Flask).

На JVM, через импорт модели DL4J, предоставляемый SkyMind.

На Raspberry Pi.