Keras Hub 0.19.0 开发版发布：新增视觉模型与注意力优化

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。