Keras ist eine Open-Source-Softwarebibliothek, die eine Python-Schnittstelle für künstliche neuronale Netze bereitstellt. Sie fungiert als Schnittstelle für die TensorFlow-Bibliothek. Keras wurde erstmals 2015 veröffentlicht und wurde entwickelt, um schnelle Experimente mit tiefen neuronalen Netzen zu ermöglichen, wobei der Schwerpunkt auf Benutzerfreundlichkeit, Modularität und Erweiterbarkeit liegt. Der Name Keras leitet sich vom altgriechischen Wort κέρας (keras) ab, was „Horn" bedeutet.
Geschichte
Keras wurde im Rahmen der Forschungsarbeit des Projekts ONEIROS (Open-ended Neuro-Electronic Intelligent Robot Operating System) entwickelt. Sein Hauptautor und Betreuer ist François Chollet, ein Google-Ingenieur bis 2024. Ursprünglich war Keras eine eigenständige Software, wurde jedoch später in die TensorFlow-Bibliothek integriert. Bis Version 2.3 unterstützte Keras mehrere Backends, darunter TensorFlow, Microsoft Cognitive Toolkit, Theano und PlaidML. Von Version 2.4 bis Version 3.0 wurde nur TensorFlow unterstützt. Ab Version 3.0 (und ihrer Vorschauversion, Keras Core) wurde Keras wieder Multi-Backend und unterstützt TensorFlow, JAX und PyTorch. Keras 3 wurde ab TensorFlow 2.16 zur Standardversion, aber Keras 2 kann weiterhin verwendet werden.
Funktionen
Keras enthält zahlreiche Implementierungen häufig verwendeter Bausteine für neuronale Netze, wie Schichten, Zielfunktionen, Aktivierungsfunktionen, Optimierer und eine Vielzahl von Werkzeugen für die Arbeit mit Bild- und Textdaten. Dies vereinfacht die Programmierung tiefer neuronaler Netze. Neben standardmäßigen neuronalen Netzen unterstützt Keras auch faltende und rekurrente neuronale Netze. Es unterstützt auch andere gängige Hilfsschichten wie Dropout, Batch-Normalisierung und Pooling. Keras ermöglicht es Benutzern, tiefe Modelle auf Smartphones (iOS und Android), im Web oder auf der Java Virtual Machine zu erstellen. Es ermöglicht auch das verteilte Training von Deep-Learning-Modellen auf Clustern von Grafikprozessoren (GPU) und Tensorprozessoren (TPU).
Verbreitung und Auswirkungen
Keras ist zu einer der am weitesten verbreiteten High-Level-APIs für neuronale Netze geworden, insbesondere in der Machine-Learning-Gemeinschaft. Seine Integration mit TensorFlow hat es zu einem Standardwerkzeug für viele Deep-Learning-Anwendungen gemacht. Die Bibliothek ist für ihre Benutzerfreundlichkeit bekannt, was zu ihrer Beliebtheit bei Anfängern und Forschern beigetragen hat. Keras wird auch in verschiedenen Künstliche-Intelligenz-Projekten verwendet, einschließlich solcher, die generative KI und große Sprachmodelle betreffen. Die Flexibilität der Bibliothek und die Unterstützung mehrerer Backends haben sie zu einer vielseitigen Wahl für die Entwicklung und Bereitstellung neuronaler Netze gemacht.
Siehe auch
- Vergleich von Deep-Learning-Software
- Neuronales Netz
- TensorFlow
- PyTorch
- JAX
Referenzen
- Keras-Dokumentation und offizielle Website
- TensorFlow-Versionshinweise
- François Chollets Veröffentlichungen und Vorträge