首页
/ Keras Hub 0.19.0 开发版发布:新增视觉模型与注意力优化

Keras Hub 0.19.0 开发版发布:新增视觉模型与注意力优化

2025-07-09 01:33:07作者:沈韬淼Beryl

Keras Hub 是 Keras 生态系统中的重要组件,它提供了大量预训练模型和工具,帮助开发者快速构建和部署深度学习应用。最新发布的 0.19.0 开发版本带来了多项重要更新,特别是在计算机视觉领域和注意力机制优化方面有显著改进。

核心更新内容

视觉模型增强

本次更新引入了多个重要的视觉模型:

  1. Vision Transformer (ViT):谷歌提出的基于纯注意力机制的视觉Transformer架构,现已在Keras Hub中提供完整的实现,包括骨干网络、各层组件以及图像分类器。

  2. MobileNet系列:轻量级的卷积神经网络架构,特别适合移动端和嵌入式设备部署,新版本提供了完整的模型实现。

  3. BASNet:专注于图像分割任务的深度网络模型,特别擅长处理精细的边缘细节。

  4. EfficientNetV2:在原有EfficientNet基础上改进的高效网络架构,在准确率和计算效率之间取得了更好的平衡。

注意力机制优化

  1. Flash Attention支持:新版本为Stable Diffusion 3 MMDiT模型和Gemma模型添加了Flash Attention支持,这是一种优化的注意力计算实现,可以显著提升模型训练和推理速度,同时降低内存占用。

  2. 注意力掩码处理改进:修复了注意力掩码数据类型相关的问题,确保模型在不同硬件平台上的兼容性。

模型管理与工具增强

  1. ModelScope支持:新增了对ModelScope平台模型下载的支持,扩展了模型来源渠道。

  2. 预设模型管理工具:引入了新的工具集,帮助开发者更高效地管理和维护模型预设配置。

  3. 格式标准化:项目代码现在使用Ruff进行格式化,提高了代码的一致性和可维护性。

技术细节与改进

视觉Transformer实现

Keras Hub中的ViT实现包含了完整的模型架构:

  • 图像分块嵌入层
  • Transformer编码器堆叠
  • 分类头部
  • 多种预设配置(ViT-Base、ViT-Large等)

开发者可以直接使用这些预设模型进行迁移学习,或者基于这些组件构建自定义的视觉Transformer架构。

轻量级模型优化

MobileNet和EfficientNetV2的加入为移动端和边缘计算场景提供了更多选择:

  • 支持多种宽度和深度配置
  • 提供平衡准确率与计算资源的多种预设
  • 优化后的实现确保在资源受限设备上的高效运行

稳定扩散模型升级

Stable Diffusion 3.5中等版本的加入扩展了文本到图像生成的能力:

  • 改进的生成质量
  • 更稳定的训练过程
  • 与Flash Attention的集成提升了生成速度

开发者体验改进

  1. 错误处理增强:改进了分词器训练时的错误消息,使调试更加直观。

  2. 依赖管理:明确了TensorFlow Text作为可选依赖,降低了环境配置的复杂性。

  3. 预处理工具:图像转换器新增了pad_to_aspect_ratio标志,提供了更灵活的图像预处理选项。

  4. LoRA支持扩展:为Gemma等模型的LoRA(低秩适应)微调增加了对query_proj和value_proj的目标命名支持。

总结

Keras Hub 0.19.0开发版通过引入多种先进的视觉模型和优化注意力计算,显著提升了在计算机视觉和生成式AI领域的能力。特别是对移动端友好模型和高效注意力机制的支持,使得开发者能够构建更高效、更强大的深度学习应用。这些改进不仅扩展了Keras Hub的功能范围,也为模型性能和开发效率带来了实质性提升。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71