Keras är ett öppen källkods-API för neurala nätverk skrivet i Python. Det är utformat för att möjliggöra snabb experiment med djupinlärning och erbjuder ett användarvänligt gränssnitt för att bygga, träna och utvärdera neurala nätverk. Keras fungerar som ett hög-nivå API och kan köras ovanpå andra populära djupinlärningsbibliotek som TensorFlow, Theano och Microsoft Cognitive Toolkit (CNTK).
Keras skapades av François Chollet, en Google-ingenjör, och släpptes första gången i mars 2015. Målet var att göra djupinlärning mer tillgänglig för en bredare publik genom att erbjuda en enklare och mer modulär API än befintliga bibliotek. År 2017 blev Keras ett officiellt stöd för backend-motorn i TensorFlow och har sedan dess blivit en integrerad del av TensorFlow-ekosystemet. Keras 3.0 presenterades den 27 november 2023. Versionen är en omskrivning av API:et och kan köras ovanpå JAX, TensorFlow eller PyTorch.
Keras används inom en rad olika områden för djupinlärning, inklusive:
Här är ett enkelt kodexempel i Python med Keras:
from tensorflow import keras
# Skapa en enkel modell
model = keras.Sequential([
keras.layers.Dense(10, activation='relu', input_shape=(784,)),
keras.layers.Dense(10, activation='softmax')
])
# Kompilera modellen
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# Träna modellen
model.fit(x_train, y_train, epochs=5)
# Utvärdera modellen
loss, accuracy = model.evaluate(x_test, y_test)
| |||||||||||||||||||||||||||||||||||||