首页
/ Keras3 1.3.0版本发布:深度学习框架的重要更新

Keras3 1.3.0版本发布:深度学习框架的重要更新

2025-07-10 00:11:14作者:滕妙奇

Keras是一个广受欢迎的高级神经网络API,它能够以TensorFlow、JAX或PyTorch作为后端运行。Keras3是Keras的最新版本,提供了更灵活的跨后端支持和更强大的功能。本次发布的1.3.0版本带来了多项重要改进和新特性,显著提升了用户体验和框架性能。

Python依赖管理优化

Keras3 1.3.0版本在Python依赖管理方面做出了重大改进。现在,Keras使用reticulate::py_require()来自动解析Python依赖项,这意味着用户不再需要手动调用install_keras()函数来安装依赖(虽然该函数仍然支持使用)。这一改变大大简化了Keras的安装和配置过程,使得新用户能够更轻松地开始使用Keras。

此外,use_backend()函数新增了gpu参数,允许用户指定是否需要解析支持GPU的依赖项。这为需要在GPU上运行深度学习模型的用户提供了更便捷的配置方式。

训练过程显示优化

在模型训练、评估和预测过程中,Keras会显示进度条以帮助用户了解当前进度。1.3.0版本中,这些进度条在testthat测试环境下默认不再显示,这使得测试输出更加简洁清晰,便于开发者专注于测试结果而非进度信息。

张量运算增强

本次更新对张量运算进行了增强,特别是矩阵乘法操作。%*%运算符现在会分派到op_matmul()函数来处理TensorFlow张量,相比直接使用tf$matmul()op_matmul()具有更宽松的形状约束条件,这使得在进行矩阵运算时更加灵活,减少了因形状不匹配导致的错误。

指标和损失函数改进

修复了一个重要问题:当使用未命名参数调用MetricLoss对象时,之前会报错。1.3.0版本解决了这一问题,使得指标和损失函数的使用更加健壮和灵活。

兼容Keras v3.8.0的新特性

Keras3 1.3.0版本与Keras v3.8.0保持兼容,并引入了多项新功能:

新增激活函数

  • activation_sparse_plus():稀疏加激活函数
  • activation_sparsemax():稀疏最大激活函数
  • activation_threshold():阈值激活函数

这些新的激活函数为模型设计提供了更多选择,特别是在需要稀疏输出的场景中。

新增预处理层

  • layer_equalization():直方图均衡化层
  • layer_mix_up():MixUp数据增强层
  • layer_rand_augment():随机增强层
  • 多种颜色相关预处理层:如layer_random_color_degeneration()layer_random_color_jitter()

这些预处理层大大简化了图像数据增强的流程,使得构建复杂的图像处理管道更加容易。

新增运算操作

  • op_diagflat():创建对角矩阵
  • op_sparse_plus():稀疏加运算
  • op_sparsemax():稀疏最大运算
  • op_unravel_index():将平面索引转换为坐标索引

这些新的运算操作为张量处理提供了更多工具,特别是在处理稀疏数据和索引转换时。

兼容Keras v3.7.0的特性

Keras3 1.3.0还包含了Keras v3.7.0引入的众多功能:

新增激活函数

包括activation_celu()activation_glu()activation_hard_shrink()等,丰富了非线性变换的选择。

Flash Attention支持

新增了config_disable_flash_attention()config_enable_flash_attention()等函数,允许用户控制是否使用Flash Attention机制,这在处理大规模注意力模型时可以显著提升性能。

新的损失函数和指标

  • loss_circle():圆形损失函数
  • metric_concordance_correlation():一致性相关系数指标
  • metric_pearson_correlation():皮尔逊相关系数指标

这些新的损失函数和评估指标为特定任务提供了更专业的工具。

兼容Keras v3.6.0的特性

异步日志记录

fit()evaluate()predict()方法中,日志记录现在是异步进行的。这使得在专用硬件(如TPU)上运行时能够实现100%紧凑的训练步骤堆叠,从而提升训练效率。

新的位运算和数学运算

新增了多种位运算函数如op_bitwise_and()op_bitwise_or()等,以及数学运算如op_logdet()op_trunc()等,为底层数值计算提供了更多支持。

新的预处理层

layer_auto_contrast()layer_solarization()等新的图像预处理层进一步丰富了数据增强的选择。

总结

Keras3 1.3.0版本带来了众多改进和新特性,从依赖管理的简化到新功能的添加,再到性能的优化,各个方面都有显著提升。特别是对Flash Attention的支持、异步日志记录以及众多新的层和运算操作,使得Keras3在深度学习领域的应用更加广泛和高效。无论是初学者还是资深开发者,都能从这个版本中获得更好的使用体验和更强大的功能支持。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
192
2.15 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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
78
72
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
969
572
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++
547
76
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
349
1.35 K
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
205
284
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17