keras hub

Kerashub：マルチフレームワークの冒険モデル

重要

？ KerasnlpはKerashubになりました！ ？発表を読んでください。

Kerashubは、シンプルで柔軟で高速であることを目的とした前提条件のモデリングライブラリです。ライブラリは、Keras 3の一般的なモデルアーキテクチャの実装を提供し、Kaggleモデルで入手可能な前提条件のチェックポイントのコレクションと組み合わせています。モデルは、生成、分類、および他の多くの組み込みタスクのために、テキスト、画像、およびオーディオデータで使用できます。

Kerashubは、Core Keras APIの拡張です。 Kerashubコンポーネントは、 LayerおよびModel実装として提供されます。ケラスに精通しているなら、おめでとうございます！あなたはすでにKerashubのほとんどを理解しています。

すべてのモデルは、単一のモデル定義からJax、Tensorflow、およびPytorchをサポートし、GPUとTPUでインキングして微調整できます。モデルは、組み込みのPEFTテクニックを備えた個々のアクセラレータでトレーニングすることも、モデルとデータの並列トレーニングで規模で微調整することもできます。 APIの学習を開始するには、開始ガイドをご覧ください。

クイックリンク

みんなのために

• ホームページ
• はじめる
• ガイド
• APIドキュメント
• 事前に訓練されたモデル

貢献者向け

• 貢献を求めてください
• ロードマップ
• 寄稿ガイド
• スタイルガイド
• APIデザインガイド

クイックスタート

バックエンドを選択してください：

 import os
os . environ [ "KERAS_BACKEND" ] = "jax"  # Or "tensorflow" or "torch"!

Kerashubおよびその他のライブラリをインポートします。

 import keras
import keras_hub
import numpy as np
import tensorflow_datasets as tfds

ResNetモデルをロードし、それを使用して画像のラベルを予測します。

 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 ))

BERTモデルをロードし、IMDBの映画レビューで微調整します。

 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 )

インストール

Keras 3を使用して最新のKerashubリリースをインストールするには、単に実行してください。

 pip install --upgrade keras-hub

KerashubとKerasの両方の最新の毎晩の変更をインストールするには、毎晩のパッケージを使用できます。

 pip install --upgrade keras-hub-nightly

現在、Kerashubのインストールは、 tf.data APIを使用するために常にTensorflowを引き込みます。 tf.dataで前処理する場合、トレーニングはどのバックエンドでも発生する可能性があります。

Keras 3のインストール、アクセラレータサポート、さまざまなフレームワークとの互換性の詳細については、Core Kerasの開始ページをご覧ください。

バックエンドの構成

Keras 3が環境にインストールされている場合（上記のインストールを参照）、Jax、Tensorflow、PytorchのいずれかでKerashubを使用できます。これを行うには、 KERAS_BACKEND環境変数を設定します。例えば：

 export KERAS_BACKEND=jax

またはcolabで、

 import os
os . environ [ "KERAS_BACKEND" ] = "jax"

import keras_hub 

重要

Kerasライブラリをインポートする前に、必ずKERAS_BACKENDを設定してください。最初にインポートされたときにケラスをセットアップするために使用されます。

互換性

セマンティックバージョンに従って、コンポーネントで構築されたコードと保存されたモデルの両方に対して逆方向の互換性保証を提供する予定です。プレリリース0.yz開発を続けていますが、いつでも互換性を破る可能性があり、APIは安定していると見なされるべきではありません。

免責事項

Kerashubは、 keras_hub.models APIを介して事前に訓練されたモデルへのアクセスを提供します。これらの事前に訓練されたモデルは、いかなる種類の保証も条件もなく、「現状のまま」に基づいて提供されます。次の基礎となるモデルは、第三者によって提供され、別々のライセンスの対象となります：Bart、Bloom、Deberta、Distilbert、GPT-2、Llama、Mistral、Opt、Roberta、Whisper、およびXLM-Roberta。

Kerashubを引用

Kerashubがあなたの研究に役立つなら、私たちはあなたの引用に感謝します。これがbibtexエントリです：

 @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} } ,
}

謝辞

私たちの素晴らしい貢献者全員に感謝します！