机器之心报道

「大新闻：我们刚刚发布了版本！」Keras之父FrançoisChollet在X上激动的表示。「现在你可以在JAX、TensorFlow以及PyTorch框架上运行Keras……」

对于这一更新，Keras官方表示，这一版本足足花了他们5个月的时间进行公测才完成。是对Keras的完全重写，你可以在JAX、TensorFlow或PyTorch之上运行Keras工作流，新版本还具有全新的大模型训练和部署功能。你可以选择最适合自己的框架，也可以根据当前的目标从一种框架切换到另一种框架都没有问题。

Keras地址：

被250多万开发者使用的Keras，迎来3.0版本

KerasAPI可用于JAX、TensorFlow和PyTorch。现有的仅使用内置层的模型可以在JAX和PyTorch中运行！

Keras3可与任何JAX、TensorFlow和PyTorch工作流无缝协作。Keras3不仅适用于以Keras为中心的工作流，比如定义Keras模型、优化器、损失和度量，它还旨在与JAX、TensorFlow和PyTorch低级后端本地工作流无缝集成，在训练Keras模型时，你可以选择使用JAX训练、TensorFlow训练、PyTorch训练，也可以将其作为JAX或PyTorch模型的一部分，上述操作都没有问题。Keras3在JAX和PyTorch中提供了与在TensorFlow中相同程度的低级实现灵活性。

预训练模型。你现在可以在Keras3中使用各种预训练模型。现在已经有40个Keras应用模型可在后端中使用，此外，KerasCV和KerasNLP中存在的大量预训练模型（例如BERT、T5、YOLOv8、Whisper、SAM等）也适用于所有后端。

Keras3高度向后兼容Keras2：Keras3现在实现了Keras2的公共API接口。大多数用户无需更改任何代码即可在Keras3上运行Keras脚本。如果你还不习惯使用Keras3，可以选择忽略新版本的更新，继续将Keras2与TensorFlow结合使用。

Keras3支持所有后端的跨框架数据pipeline。多框架机器学习也意味着多框架数据加载和预处理。Keras3模型可以使用各种数据pipeline进行训练，无论你使用的是JAX、PyTorch还是TensorFlow后端：

。

对象。

NumPy数组和Pandas数据帧。

Keras的对象。

一个新的分布式API，可用于大规模数据并行和模型并行。目前这一更新仅适用于JAX后端，TensorFlow和PyTorch支持即将推出。

至于为何要推出这一更改，Keras团队表示，近年来，随着模型规模变得越来越大，他们希望为多设备模型分片（sharding）问题提供Keras解决方案。该团队设计的API使模型定义、训练逻辑和分片配置完全独立，这意味着模型可以像在单个设备上运行一样，然后，你可以在训练模型时将分片配置添加到任意模型中。

数据并行（在多个设备上相同地复制小模型）只需两行即可处理：

接下来是模型并行。该API允许你通过正则表达式配置每个变量和每个输出张量的布局。这使得为整个变量类别快速指定相同的布局变得容易。

最后，Keras团队还收集了很多大家关心的问题，并予以解答，感兴趣的读者可以前去Keras官方网站，了解更多内容。