Keras est une bibliothèque open source qui fournit une interface Python pour les réseaux de neurones artificiels. Conçue pour permettre une expérimentation rapide avec les réseaux de neurones profonds, elle se concentre sur la convivialité, la modularité et l'extensibilité. La bibliothèque a été initialement publiée comme logiciel indépendant en 2015, puis intégrée à la bibliothèque TensorFlow, et a finalement été étendue pour prendre en charge des backends supplémentaires. Keras 3, une réécriture complète, sert de langage cross-framework de bas niveau pour développer des composants personnalisés tels que des couches, des modèles ou des métriques qui peuvent être utilisés dans des workflows natifs dans JAX, TensorFlow ou PyTorch avec une seule base de code. Depuis TensorFlow 2.16, Keras 3 est la version par défaut, bien que Keras 2 reste disponible pour une utilisation héritée.
Historique
Le nom « Keras » dérive du mot grec ancien κέρας (Keras), qui signifie « corne ». La bibliothèque a été développée dans le cadre de l'effort de recherche du projet ONEIROS (Open-ended Neuro-Electronic Intelligent Robot Operating System). Son auteur principal et mainteneur est François Chollet, qui a été ingénieur chez Google jusqu'à son départ de l'entreprise en 2024. Chollet est également l'auteur du modèle de réseau de neurones profonds Xception. Jusqu'à la version 2.3, Keras prenait en charge plusieurs backends, notamment TensorFlow, Microsoft Cognitive Toolkit, Theano et PlaidML. De la version 2.4 jusqu'à la version 3.0, seul TensorFlow était pris en charge. À partir de la version 3.0, ainsi que sa version préliminaire Keras Core, la bibliothèque est redevenue multi-backend, prenant en charge TensorFlow, JAX et PyTorch, avec un support supplémentaire pour OpenVINO.
Fonctionnalités
Keras contient de nombreuses implémentations de blocs de construction de réseaux de neurones couramment utilisés, tels que des couches, des objectifs, des fonctions d'activation, des optimiseurs et des outils pour travailler avec des données d'image et de texte. Ces éléments simplifient la programmation des réseaux de neurones profonds. Le code est hébergé sur GitHub, et les forums de support communautaire incluent la page des problèmes GitHub. En plus des réseaux de neurones standard, Keras prend en charge les réseaux de neurones convolutifs et récurrents. Il comprend des couches utilitaires courantes comme le dropout, la normalisation par lots et le pooling. La bibliothèque permet aux utilisateurs de produire des modèles profonds sur les smartphones (iOS et Android), sur le web ou sur la machine virtuelle Java. Elle permet également l'entraînement distribué de modèles d'apprentissage profond sur des grappes d'unités de traitement graphique (GPU) et d'unités de traitement tensoriel (TPU).
Adoption et impact
Keras est devenu une API de haut niveau largement adoptée au sein de la communauté de l'apprentissage profond, en particulier après son intégration dans TensorFlow en tant qu'interface principale pour la construction de modèles. L'accent mis sur la simplicité et le prototypage rapide en a fait un point d'entrée courant pour les praticiens de l'apprentissage automatique et de l'intelligence artificielle. La conception de la bibliothèque a influencé les frameworks ultérieurs et a contribué à l'accessibilité plus large du développement de réseaux de neurones. En prenant en charge plusieurs backends dans la version 3.0, Keras visait à fournir une interface unifiée à travers différents écosystèmes computationnels, y compris ceux utilisés dans les environnements de recherche et de production.
Évolution technique
La transition vers Keras 3 a marqué un changement architectural significatif, permettant aux utilisateurs d'écrire des couches, des modèles ou des métriques personnalisés qui peuvent s'exécuter nativement dans JAX, TensorFlow ou PyTorch sans modification. Cette capacité cross-framework a résolu la fragmentation dans le paysage des outils d'apprentissage profond. La bibliothèque s'est également intégrée aux techniques d'augmentation de données et à d'autres utilitaires pour prendre en charge divers workflows. Keras 2, la version antérieure, reste fonctionnelle pour les projets qui dépendent de son comportement spécifique, garantissant la compatibilité ascendante pour les bases de code existantes.