keras hub
v0.18.1
مهم
؟ Kerasnlp هو الآن Kerashub! ؟ اقرأ الإعلان.
Kerashub هي مكتبة نمذجة مسبقة تهدف إلى أن تكون بسيطة ومرنة وسريعة. توفر المكتبة تطبيقات Keras 3 لأبنية النماذج الشائعة ، مقترنة بمجموعة من نقاط التفتيش المسبقة المتوفرة على طرز Kaggle. يمكن استخدام النماذج مع بيانات النص والصورة والصوت لتوليد وتصنيف العديد من المهام الأخرى المدمجة.
Kerashub هو امتداد ل API Core Keras. يتم توفير مكونات Kerashub Layer Model تطبيقات. إذا كنت على دراية بـ Keras ، تهانينا! أنت تفهم بالفعل معظم Kerashub.
تدعم جميع الطرز Jax و TensorFlow و Pytorch من تعريف نموذج واحد ويمكن ضبطه على وحدات معالجة الرسومات و TPUs خارج الصندوق. يمكن تدريب النماذج على مسرعات فردية مع تقنيات PEFT المدمجة ، أو ضبطها على نطاق واسع مع تدريب موازي النموذج والبيانات. شاهد دليل البدء لدينا لبدء تعلم واجهة برمجة التطبيقات الخاصة بنا.
اختر الواجهة الخلفية:
import os
os . environ [ "KERAS_BACKEND" ] = "jax" # Or "tensorflow" or "torch"!استيراد Kerashub والمكتبات الأخرى:
import keras
import keras_hub
import numpy as np
import tensorflow_datasets as tfdsقم بتحميل نموذج RESNET واستخدمه للتنبؤ بتسمية لصورة:
classifier = keras_hub . models . ImageClassifier . from_preset (
"resnet_50_imagenet" ,
activation = "softmax" ,
)
url = "https://upload.wikimedia.org/wikipedia/commons/a/aa/California_quail.jpg"
path = keras . utils . get_file ( origin = url )
image = keras . utils . load_img ( path )
preds = classifier . predict ( np . array ([ image ]))
print ( keras_hub . utils . decode_imagenet_predictions ( preds ))قم بتحميل نموذج Bert وضبطه على مراجعات أفلام IMDB:
classifier = keras_hub . models . BertClassifier . from_preset (
"bert_base_en_uncased" ,
activation = "softmax" ,
num_classes = 2 ,
)
imdb_train , imdb_test = tfds . load (
"imdb_reviews" ,
split = [ "train" , "test" ],
as_supervised = True ,
batch_size = 16 ,
)
classifier . fit ( imdb_train , validation_data = imdb_test )
preds = classifier . predict ([ "What an amazing movie!" , "A total waste of time." ])
print ( preds )لتثبيت أحدث إصدار من Kerashub مع Keras 3 ، ما عليك سوى تشغيل:
pip install --upgrade keras-hub
لتثبيت أحدث التغييرات الليلية لكل من Kerashub و Keras ، يمكنك استخدام حزمة ليلا.
pip install --upgrade keras-hub-nightly
حاليًا ، سيقوم تثبيت Kerashub دائمًا بسحب TensorFlow لاستخدام API tf.data للمعالجة المسبقة. عند المعالجة المسبقة مع tf.data ، لا يزال من الممكن أن يحدث التدريب على أي الواجهة الخلفية.
تفضل بزيارة صفحة بدء تشغيل Keras Core للحصول على مزيد من المعلومات حول تثبيت Keras 3 ، ودعم Accelerator ، والتوافق مع أطر مختلفة.
إذا كان لديك Keras 3 مثبتة في بيئتك (انظر التثبيت أعلاه) ، فيمكنك استخدام Kerashub مع أي من Jax و TensorFlow و Pytorch. للقيام بذلك ، قم بتعيين متغير بيئة KERAS_BACKEND . على سبيل المثال:
export KERAS_BACKEND=jaxأو في كولاب ، مع:
import os
os . environ [ "KERAS_BACKEND" ] = "jax"
import keras_hub مهم
تأكد من تعيين KERAS_BACKEND قبل استيراد أي مكتبات keras ؛ سيتم استخدامه لإنشاء keras عندما يتم استيراده لأول مرة.
نتبع الإصدار الدلالي ، ونخطط لتوفير ضمانات التوافق مع الإصدارات السابقة لكل من الكود والموديلات المحفوظة المصممة بمكوناتنا. على الرغم من أننا نستمر في تطوير ما قبل الإصدار 0.yz ، فقد نقوم بإنهاء التوافق في أي وقت ويجب عدم اعتبار واجهات برمجة التطبيقات مستقرة.
يوفر Kerashub إمكانية الوصول إلى النماذج المدربة مسبقًا عبر API keras_hub.models . يتم توفير هذه النماذج التي تم تدريبها مسبقًا على أساس "كما هي" ، بدون ضمانات أو شروط من أي نوع. يتم توفير النماذج الأساسية التالية من قبل أطراف ثالثة ، وتخضع لتراخيص منفصلة: BART ، Bloom ، DeBerta ، Distilbert ، GPT-2 ، LLAMA ، MISTRAL ، OPT ، Roberta ، Whisper ، و XLM-ROBERTA.
إذا كان Kerashub يساعد بحثك ، فنحن نقدر الاستشهادات الخاصة بك. ها هو إدخال bibtex:
@misc { kerashub2024 ,
title = { KerasHub } ,
author = { Watson, Matthew, and Chollet, Franc{c}ois and Sreepathihalli,
Divyashree, and Saadat, Samaneh and Sampath, Ramesh, and Rasskin, Gabriel and
and Zhu, Scott and Singh, Varun and Wood, Luke and Tan, Zhenyu and Stenbit,
Ian and Qian, Chen, and Bischof, Jonathan and others } ,
year = { 2024 } ,
howpublished = { url{https://github.com/keras-team/keras-hub} } ,
}شكرا لجميع المساهمين الرائعين لدينا!
