keras hub下载 - keras hub源代码下载

keras hub

其他源码

v0.18.1

下载

Kerashub：多框架预测的模型

重要的

？ Kerasnlp现在是Kerashub！？阅读公告。

Kerashub是一个验证的建模库，旨在简单，灵活且快速。该图书馆提供了KERAS 3流行模型体系结构的实现，并与Kaggle Models上可用的一系列验证的检查点配对。模型可以与文本，图像和音频数据一起使用，用于生成，分类以及许多内置的任务。

Kerashub是核心Keras API的扩展； Kerashub组件作为Layer和Model实现提供。如果您熟悉Keras，恭喜！您已经了解了大多数Kerashub。

所有模型都从单个模型定义中支持JAX，TensorFlow和Pytorch，并且可以在GPU和TPU上进行微调。可以通过内置的PEFT技术对单个加速器进行培训，也可以通过模型和数据并行训练进行微调。请参阅我们的入门指南，以开始学习我们的API。

快速链接

为每个人

主页
入门
向导
API文档
预训练的模型

对于贡献者

要求捐款
路线图
贡献指南
样式指南
API设计指南

Quickstart

选择一个后端：

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

导入Kerashub和其他库：

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

加载重新连接模型并使用它来预测图像的标签：

 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 ))

加载BERT模型并在IMDB电影评论中进行微调：

 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 )

安装

要使用Keras 3安装最新的Kerashub版本，只需运行：

 pip install --upgrade keras-hub

要为Kerashub和Keras安装最新的夜间更改，您可以使用我们的夜间包装。

 pip install --upgrade keras-hub-nightly

当前，安装Kerashub始终将拉动TensorFlow用于使用tf.data API进行预处理。在与tf.data进行预处理时，在任何后端仍然可以进行培训。

请访问Core Keras入门页面，以获取有关安装Keras 3，Accelerator支持以及与不同框架的兼容性的更多信息。

配置您的后端

如果您在环境中安装了KERAS 3（请参见上面的安装），则可以将Kerashub与Jax，Tensorflow和Pytorch一起使用。为此，设置KERAS_BACKEND环境变量。例如：

 export KERAS_BACKEND=jax

或在Colab中，与：

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

import keras_hub

重要的

在导入任何keras库之前，请确保设置KERAS_BACKEND ；首次导入时，它将用于设置凯拉斯。

兼容性

我们遵循语义版本控制，并计划提供向后兼容性保证代码和使用我们的组件构建的保存模型。尽管我们继续进行预释放0.yz开发，但我们可能会随时断开兼容性，并且不应将API视为稳定。

免责声明

Kerashub通过keras_hub.models API提供对预训练模型的访问。这些预训练的模型是按照“原样”提供的，没有任何形式的保证或条件。以下基础模型由第三方提供，并获得单独的许可证：BART，BLOOM，DEBERTA，DISTILBERT，GPT-2，LLAMA，MISTRAL，MISTRAL，OPT，ROBERTA，ROBERTA，WHISPER和XLM-ROBERTA。

引用Kerashub

如果Kerashub帮助您的研究，我们将感谢您的引用。这是Bibtex条目：

 @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} } ,
}