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:
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.
