<mark id="oztn4"></mark>
0
| 本文作者： 恒亮 | 2017-03-15 17:16 |
昨天，著名深度學習開源庫 Keras 通過官方博客正式發布了全新版本：Keras 2。
根據官方介紹，此次更新的重點有兩個：
Keras 2 API 將作為 TensorFlow 框架的一部分直接向用戶提供支持；
Keras 2 API 經過了重新設計，將成為團隊第一個長期支持（long-term-support）的 API。
Keras 表示：從 2015 年 3 月發布第一個版本以來，有數以百計的開發人員對 Keras 的開源代碼做了完善和拓展，數以千計的熱心用戶在社區對 Keras 的發展做出了貢獻。目前，有大量的 AI 初創公司在 Keras 的幫助下掛牌成立，大量的研究人員通過 Keras 有效提升了研發效率，大公司的工程師們則通過 Keras 大大簡化了他們的工作流程。更為重要的是，通過使用 Keras，更多的從前完全沒有機器學習開發經驗的用戶，從此步入了深度學習的世界。
在本次版本更新中，最重要的一項內容就是增強了 Keras 與 TensorFlow 的邏輯一致性。按照 Keras 在博客中的說法：“這是將 Keras API 整合到 TensorFlow 核心的一個重要的準備步驟”。
實際上，從 2015 年 12 月的版本開始，Keras 就已經支持用戶將 TensorFlow 作為運行后端（runtime backend），但此前，Keras 的 API 與 TensorFlow 的代碼庫尚處于相互隔離的狀態。未來，從 TensorFlow 1.2 版本開始，Keras 2 API 將作為 TensorFlow 框架的一部分直接向用戶提供支持，Keras 在博客中表示：“這是 TensorFlow 實現下一個百萬用戶級目標的關鍵”。
Keras 在博客中表示，他們更愿意人們將 Keras 視為一種通用的 API 規范，而不僅僅是一個具體的代碼庫。在這個意義上，他們將此前的 Keras 實現歸結為兩個大類：
TensorFlow 的內部實現，也就是前不久在 TensorFlow 1.0 版本中發布的 tf.keras 模塊，完全基于 TensorFlow 編寫，并且與所有 TensorFlow 功能深度兼容；
通用實現，兼容多種運行后端，包括 Theano 和 TensorFlow 等（將來可能會支持更多其他的后端）。
類似的，知名 Java 深度學習庫 Deeplearning4j 目前正在基于 Scala 語言實現 Keras 規范的一部分，即 ScalNet；而為了讓 Keras 在瀏覽器中運行，Keras.js 團隊也在基于 JavaScript 實現一部分 Keras API。這樣的例子還有很多。
這些例子正符合了 Kera 成為一種通用的 API 規范的發展定位。按照 Keras 在博客中的說法：“Keras API 意在成為一個深度學習實踐者的通用語言，一個跨越多種不同的工作流、獨立于各種底層平臺的深度學習通用語言”。
Keras 2 的另一項重要更新是 API 的變化。Keras 在博客中表示，全新發布的 Keras 2 API 將成為團隊第一個長期支持的 API，不但兼容目前最新的軟件，而且未來將保持長期有效。為了實現這一點，Keras 重新設計了絕大部分 API，為將來的擴展和更新預留了充足的修改空間。值得一提的是，新設計的 API 完全兼容于谷歌 TensorFlow 規范。
此次 API 更新的要點包括：
大部分軟件層的 API 接口都和從前完全不同，特別是 Dense、BatchNormalization 和所有卷積相關的層。但由于軟對設置了兼容接口，因此 Keras 1 的代碼不經修改仍然可以在 Keras 2 上運行（但會出現打印警告）；
生成器訓練和評估方法相關的 API 也已經改變（包括 fit_generator、predict_generator 和 evaluate_generator 等）。同樣，Keras 1 的代碼仍然可以運行；
在 fit 中，nb_epoch 已經被更名為 epochs。而且，這一更改也適用于 API 轉換接口；
許多圖層的保存權重格式已更改。同樣，以從前的權重保存的文件仍然可以在 Keras 2 中加載；
objectives 模塊已經被更名為 losses。
由于 Keras 2 是一次重大的版本更新，因此無法避免地要引入一些與此前版本不兼容的地方，特別是對于高級用戶而言，這些信息至關重要：
包括 MaxoutDense、TimeDistributedDense 和 Highway 在內的舊版軟件層已經被永久刪除；
許多舊版的指標（metrics）和損失函數（loss functions）被刪除；
BatchNormalization 層不再支持 mode 參數；
由于內核代碼已經改變，因此自定義層必須全部更新。不過由于修改相對不大，因此更新應該不會太耗時，更新詳情參見： https://keras.io/layers/writing-your-own-keras-layers/
所有使用未記錄的（undocumented） Keras 函數的代碼段可能都已經不可用；因此高級用戶需要進行一些修改。
目前 Keras 2 已經在 Github 上開源： https://github.com/fchollet/keras
用戶可以通過 PyPI 直接更新： pip install keras --upgrade
來源：keras，雷鋒網編譯
雷鋒網(公眾號：雷鋒網)相關閱讀：
TensorFlow和Caffe、MXNet、Keras等其他深度學習框架的對比
TensorFlow 1.0 正式發布 你需要知道的都在這里
