Keras é uma biblioteca de código aberto de aprendizado profundo que fornece uma API de alto nível e amigável para humanos para construir e treinar redes neurais. Criada por Francois Chollet e lançada pela primeira vez em março de 2015, tornou-se um dos pontos de entrada mais amplamente utilizados no aprendizado profundo, valorizada por permitir que pesquisadores e estudantes definam modelos em poucas linhas de código legível.
História
Keras começou como uma biblioteca independente capaz de rodar sobre múltiplos backends, inicialmente Theano e depois TensorFlow e o CNTK da Microsoft. Sua popularidade cresceu rapidamente junto com a onda de aprendizado profundo pós-AlexNet, e em 2017 o Google a adotou como a API oficial de alto nível do TensorFlow, distribuindo-a como tf.keras. Em 2023, o projeto retornou às suas raízes multi-backend com o Keras 3, que roda em TensorFlow, PyTorch e JAX a partir de um único código-fonte, uma aposta deliberada contra o aprisionamento a um framework em um momento em que a pesquisa havia se consolidado em torno do PyTorch.
Filosofia de design
Chollet descreveu o princípio orientador como "aprendizado profundo para humanos": interfaces consistentes e simples, padrões sensatos, exposição progressiva da complexidade e mensagens de erro claras. Um modelo é montado a partir de camadas composíveis, compilado com uma função de perda e um otimizador, e treinado com uma única chamada fit que lida com descida de gradiente, agrupamento em lotes, divisões de validação e callbacks. Essa abstração fez do Keras uma ferramenta de ensino padrão, presente em cursos online influentes de Andrew Ng e no próprio livro amplamente lido de Chollet, Deep Learning with Python.
Recepção e influência
Keras foi elogiado pela qualidade da documentação e pela clareza pedagógica, e criticado em ambientes de pesquisa por esconder demais o loop de treinamento; usuários avançados frequentemente recorrem a APIs de nível mais baixo para arquiteturas personalizadas. Sua ergonomia orientada a camadas influenciou frameworks posteriores e wrappers de alto nível em todo o ecossistema, e sua filosofia de mensagens de erro tornou-se um ponto de referência em discussões sobre experiência do desenvolvedor para ferramentas de aprendizado de máquina. Embora a pesquisa em larga escala de LLMs hoje seja dominada pelo PyTorch, o Keras permanece amplamente utilizado na indústria, na educação e no trabalho aplicado, e é creditado por reduzir a barreira de entrada durante os anos formativos do aprendizado profundo.