keras hub

Kerashub：多框架預測的模型

重要的

？ Kerasnlp現在是Kerashub！ ？閱讀公告。

Kerashub是一個驗證的建模庫，旨在簡單，靈活且快速。該圖書館提供了KERAS 3流行模型體系結構的實現，並與Kaggle Models上可用的一系列驗證的檢查點配對。模型可以與文本，圖像和音頻數據一起使用，用於生成，分類以及許多內置的任務。

Kerashub是核心Keras API的擴展； Kerashub組件作為Layer和Model實現提供。如果您熟悉Keras，恭喜！您已經了解了大多數Kerashub。

所有模型都從單個模型定義中支持JAX，TensorFlow和Pytorch，並且可以在GPU和TPU上進行微調。可以通過內置的PEFT技術對單個加速器進行培訓，也可以通過模型和數據並行訓練進行微調。請參閱我們的入門指南，以開始學習我們的API。

快速鏈接

為每個人

• 主頁
• 入門
• 嚮導
• API文檔
• 預訓練的模型

對於貢獻者

• 要求捐款
• 路線圖
• 貢獻指南
• 樣式指南
• API設計指南

Quickstart

選擇一個後端：

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

導入Kerashub和其他庫：

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

加載重新連接模型並使用它來預測圖像的標籤：

 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 ))

加載BERT模型並在IMDB電影評論中進行微調：

 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 )

安裝

要使用Keras 3安裝最新的Kerashub版本，只需運行：

 pip install --upgrade keras-hub

要為Kerashub和Keras安裝最新的夜間更改，您可以使用我們的夜間包裝。

 pip install --upgrade keras-hub-nightly

當前，安裝Kerashub始終將拉動TensorFlow用於使用tf.data API進行預處理。在與tf.data進行預處理時，在任何後端仍然可以進行培訓。

請訪問Core Keras入門頁面，以獲取有關安裝Keras 3，Accelerator支持以及與不同框架的兼容性的更多信息。

配置您的後端

如果您在環境中安裝了KERAS 3（請參見上面的安裝），則可以將Kerashub與Jax，Tensorflow和Pytorch一起使用。為此，設置KERAS_BACKEND環境變量。例如：

 export KERAS_BACKEND=jax

或在Colab中，與：

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

import keras_hub 

重要的

在導入任何keras庫之前，請確保設置KERAS_BACKEND ；首次導入時，它將用於設置凱拉斯。

相容性

我們遵循語義版本控制，併計劃提供向後兼容性保證代碼和使用我們的組件構建的保存模型。儘管我們繼續進行預釋放0.yz開發，但我們可能會隨時斷開兼容性，並且不應將API視為穩定。

免責聲明

Kerashub通過keras_hub.models API提供對預訓練模型的訪問。這些預訓練的模型是按照“原樣”提供的，沒有任何形式的保證或條件。以下基礎模型由第三方提供，並獲得單獨的許可證：BART，BLOOM，DEBERTA，DISTILBERT，GPT-2，LLAMA，MISTRAL，MISTRAL，OPT，ROBERTA，ROBERTA，WHISPER和XLM-ROBERTA。

引用Kerashub

如果Kerashub幫助您的研究，我們將感謝您的引用。這是Bibtex條目：

 @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} } ,
}

致謝

感謝我們所有出色的貢獻者！