keras hub

KERASHUB : 멀티 프레임 워크 사전 치료 모델

중요한

? Kerasnlp는 이제 Kerashub입니다! ? 발표를 읽으십시오.

Kerashub는 간단하고 유연하며 빠른 사전에 사전 모델링 라이브러리입니다. 이 라이브러리는 Kaggle 모델에서 사용할 수있는 사전 체크 포인트 모음과 짝을 이루는 인기있는 모델 아키텍처의 Keras 3 구현을 제공합니다. 모델은 생성, 분류 및 기타 내장 작업을위한 텍스트, 이미지 및 오디오 데이터와 함께 사용할 수 있습니다.

Kerashub는 Core Keras API의 확장입니다. Kerashub 구성 요소는 Layer 및 Model 구현으로 제공됩니다. 케라에 익숙하다면 축하합니다! 당신은 이미 대부분의 Kerashub를 이해하고 있습니다.

모든 모델은 단일 모델 정의에서 JAX, TensorFlow 및 Pytorch를 지원하며 상자에서 GPU 및 TPU에서 미세 조정할 수 있습니다. 모델은 내장 된 PEFT 기술을 갖춘 개별 가속기에 대해 교육을 받거나 모델 및 데이터 병렬 교육으로 규모로 미세 조정할 수 있습니다. API 학습을 시작하려면 시작 가이드를 참조하십시오.

빠른 링크

모두를 위해

• 홈페이지
• 시작하기
• 가이드
• API 문서
• 미리 훈련 된 모델

기고자들을 위해

• 기부금을 요청하십시오
• 로드맵
• 기고 가이드
• 스타일 가이드
• API 디자인 가이드

QuickStart

백엔드 선택 :

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

Kerashub 및 기타 라이브러리 수입 :

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

RESNET 모델을로드하고 사용하여 이미지의 레이블을 예측합니다.

 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 ))

버트 모델을로드하고 IMDB 영화 리뷰에서 미세 조정 : :

 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 )

설치

Keras 3과 함께 최신 Kerashub 릴리스를 설치하려면 간단히 실행하십시오.

 pip install --upgrade keras-hub

Kerashub와 Keras의 최신 야간 변경 사항을 설치하려면 야간 패키지를 사용할 수 있습니다.

 pip install --upgrade keras-hub-nightly

현재 Kerashub를 설치하면 전처리를 위해 tf.data API를 사용하기 위해 항상 Tensorflow를 끌어 올릴 것입니다. tf.data 사용한 사전 프로세싱을 할 때는 여전히 백엔드에서 훈련이 발생할 수 있습니다.

Keras 3 설치, 가속기 지원 및 다양한 프레임 워크와의 호환성에 대한 자세한 내용은 Core Keras Getting Page를 방문하십시오.

백엔드 구성

환경에 Keras 3을 설치 한 경우 (위의 설치 참조) JAX, TensorFlow 및 Pytorch와 함께 Kerashub을 사용할 수 있습니다. 그렇게하려면 KERAS_BACKEND 환경 변수를 설정하십시오. 예를 들어:

 export KERAS_BACKEND=jax

또는 Colab에서 :

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

import keras_hub 

중요한

Keras 라이브러리를 가져 오기 전에 KERAS_BACKEND 설정하십시오. 케라가 처음 수입 될 때 케라를 설정하는 데 사용됩니다.

호환성

우리는 시맨틱 버전화를 따르며, 거꾸로 호환성을 제공 할 계획은 코드와 구성 요소로 구축 된 저장된 모델을 보장 할 계획입니다. 우리는 프리 릴리스 0.yz 개발을 계속하는 동안 언제든지 호환성을 깨뜨릴 수 있으며 API는 안정적으로 간주되어서는 안됩니다.

부인 성명

Kerashub는 keras_hub.models API를 통해 미리 훈련 된 모델에 대한 액세스를 제공합니다. 이 미리 훈련 된 모델은 어떤 종류의 보증이나 조건없이 "그대로"기준으로 제공됩니다. 다음의 기본 모델은 제 3자가 제공하며 Bart, Bloom, Deberta, Distilbert, GPT-2, LLAMA, Mistral, Opt, Roberta, Whisper 및 XLM-Roberta와 같은 별도의 라이센스에 따라 제공됩니다.

Kerashub 인용

Kerashub이 귀하의 연구에 도움이된다면, 우리는 귀하의 인용에 감사드립니다. 다음은 Bibtex 항목입니다.

 @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} } ,
}

감사의 말

우리의 모든 훌륭한 기고자들에게 감사합니다!