Keras는 고수준의 인간 친화적인 API를 제공하여 신경망을 구축하고 훈련하기 위한 오픈 소스 딥러닝 라이브러리입니다. 프랑수아 숄레가 만들었으며 2015년 3월에 처음 출시되어, 연구자와 학생들이 몇 줄의 읽기 쉬운 코드로 모델을 정의할 수 있게 해주는 딥러닝 진입점으로 가장 널리 사용되는 도구 중 하나가 되었습니다.
역사
Keras는 처음에는 Theano와 나중에는 TensorFlow 및 마이크로소프트의 CNTK와 같은 여러 백엔드 위에서 실행할 수 있는 독립 라이브러리로 시작했습니다. 그 인기는 AlexNet 이후 딥러닝 붐과 함께 빠르게 성장했으며, 2017년에는 구글이 이를 TensorFlow의 공식 고수준 API로 채택하여 tf.keras로 제공했습니다. 2023년에는 Keras 3에서 다중 백엔드 뿌리로 돌아와 단일 코드베이스로 TensorFlow, PyTorch, JAX에서 실행되며, 연구가 PyTorch에 집중되던 시기에 프레임워크 종속을 피하려는 의도적인 선택을 반영했습니다.
설계 철학
숄레는 핵심 원칙을 "인간을 위한 딥러닝"으로 설명했습니다: 일관되고 단순한 인터페이스, 합리적인 기본값, 점진적 복잡성 공개, 명확한 오류 메시지. 모델은 구성 가능한 레이어로 조립되고, 손실 함수와 최적화기로 컴파일되며, 경사 하강법, 배치 처리, 검증 분할 및 콜백을 처리하는 단일 fit 호출로 훈련됩니다. 이러한 추상화는 Keras를 표준 교육 도구로 만들었으며, 앤드류 응의 유명한 온라인 강좌와 숄레 자신의 널리 읽힌 교과서 《Deep Learning with Python》에 소개되었습니다.
수용과 영향
Keras는 문서 품질과 교육적 명확성으로 칭찬받았지만, 연구 환경에서는 훈련 루프를 너무 많이 숨긴다는 비판도 받았으며, 고급 사용자는 사용자 정의 아키텍처를 위해 종종 더 낮은 수준의 API로 내려갑니다. 레이어 중심의 사용성은 이후 프레임워크와 생태계 전반의 고수준 래퍼에 영향을 주었으며, 오류 메시지 철학은 머신러닝 도구의 개발자 경험 논의에서 기준점이 되었습니다. 오늘날 대규모 LLM 연구는 PyTorch가 지배하고 있지만, Keras는 산업, 교육 및 응용 분야에서 널리 사용되며 딥러닝의 형성기에 진입 장벽을 낮추는 데 기여한 것으로 인정받고 있습니다.