Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

Keras 3 : 新しいマルチバックエンド Keras

Posted on 11/29/202311/29/2023 by Sales Information

Keras 3 : 新しいマルチバックエンド Keras (翻訳/解説)

翻訳 : クラスキャット セールスインフォメーション
作成日時 : 11/29/2023

* 本ページは、以下のドキュメントを翻訳した上で適宜、補足説明したものです:

  • Keras 3: A new multi-backend Keras

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス

◆ クラスキャット は人工知能・テレワークに関する各種サービスを提供しています。お気軽にご相談ください :

ClassCat Chatbot

  • 人工知能研究開発支援
    1. 人工知能研修サービス(経営者層向けオンサイト研修)
    2. テクニカルコンサルティングサービス
    3. 実証実験(プロトタイプ構築)
    4. アプリケーションへの実装

  • 人工知能研修サービス

  • PoC(概念実証)を失敗させないための支援
◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール。
  • お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。

◆ お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。

  • クラスキャット セールス・マーケティング本部 セールス・インフォメーション
  • sales-info@classcat.com  ;  Website: www.classcat.com  ;   ClassCatJP

 

Keras 3 : 新しいマルチバックエンド Keras

Keras 3 は Keras API の新しいマルチバックエンド実装で、TensorFlow, JAX, そして PyTorch をサポートします。

 

インストール

pip によるインストール

Keras 3 は keras-core という名前の PyPI のプレビューリリースとして利用可能です。Keras 2 (tf.keras) は tensorflow パッケージとともに配布されます。

  1. keras-core のインストール :
    pip install keras-core
    

  2. バックエンド・パッケージのインストール
     

    keras-core を使用するためには、選択したバックエンド: tensorflow, jax, or torch もインストールする必要があります。特定の Keras 3 機能: 特定の前処理層や tf.data パイプラインを使用するために必要であることに注意してください。

Note : keras-core パッケージを使用している場合 Keras インポートを切り替える必要もあります。”import keras_core as keras” を使用してください。これは PyPI の Keras 3 のリリースまでの一時的なステップです。

 

ローカルインストール

Keras 3 は Linux と MacOS システムと互換性があります。ローカル開発バージョンをインストールするには :

  1. 依存関係のインストール :
    pip install -r requirements.txt
    

  2. ルートディレクトリからインストールコマンドを実行します。
    python pip_build.py --install
    

requirements.txt ファイルは TensorFlow, JAX と PyTorch の CPU-only バージョンをインストールします。GPU サポートについては、TensorFlow, JAX と PyTorch のために個別の requirements-{backend}-cuda.txt も提供しています。これらは pip 経由ですべての CUDA 依存関係をインストールし NVIDIA ドライバが事前インストールされていることを想定しています。CUDA バージョンの不一致を回避するために各バックエンドについてクリーンな python 環境を勧めます。例として、ここに conda で Jax GPU 環境を作成する方法を示します :

conda create -y -n keras-jax python=3.10
conda activate keras-jax
pip install -r requirements-jax-cuda.txt
python pip_build.py --install

 

バックエンドの設定

環境変数 KERAS_BACKEND をエクスポートすることができて、あるいは貴方のバックエンドを設定するために ~/.keras/keras.json にあるローカル config ファイルを編集することもできます。利用可能なバックエンドオプションは : “tensorflow”, “jax”, “torch” です。例えば :

export KERAS_BACKEND="jax"

In Colab, you can do:

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

import keras_core as keras

Note : バックエンドは keras をインポートする前に設定される必要があり、バックエンドはパッケージがインポートされた後では変更できません。

 

後方互換性

Keras 3 は (TensorFlow バックエンドを使用する場合) tf.keras の drop-in 置き換えとして動作することを意図しています。既存の tf.keras コードを使用し、model.save() への呼び出しが最新の .keras 形式を使用していることを確認すればオーケーです。

貴方の tf.keras モデルがカスタムコンポーネントを含まない場合、JAX や PyTorch の上で直ちに実行を開始することができます。

カスタムコンポーネント (e.g. カスタム層やカスタム train_step()) を含む場合には、通常はそれをバックエンド透過な実装に数分で変換することが可能です。

更に、Keras モデルは、使用しているバックエンドに関係なく、どのような形式のデータセットも利用することができます : 貴方のモデルを既存の tf.data.Dataset や PyTorch DataLoader で訓練することができます。

 

Keras 3 タイムライン (スケジュール)

現時点で PyPI で keras-core という名前のもとで Keras 3 をプレビューリリースとしてリリースしています。ライブラリの将来に関心がある人はそれを試してフィードバックをくださることを奨励します。

Keras 2 の現在の安定版リリースは tf-keras レポジトリで見つけられます。

リリースタイムライン (スケジュール) のアップデートが利用可能となれば直ちに共有します。

 

何故 Keras 3 を使うのでしょう?

  • 上位の Keras ワークフローを任意のフレームワーク上で実行できます — 各フレームワークの優位点から自在に恩恵を受けることができます、例えば JAX のスケーラビリティとパフォーマンス、あるいは TensorFlow のプロダクションエコシステムのオプションです。

  • 任意のフレームワークの低位なワークフロー内で利用するカスタムコンポーネント (e.g. 層、モデル、メトリクス) を作成することができます。
    • Keras モデルを native TF, JAX や PyTorch でゼロから書かれた訓練ループで訓練することができます。
    • Keras モデルを PyTorch-native Module や JAX-native モデル関数の一部として使用することができます。

  • フレームワークのロックインを回避して貴方の ML コードを将来的にも利用する (future-proof) ことができるようにします。

  • PyTorch ユーザとして : 少なくとも、Keras のパワーとユーザビリティにアクセスできます!

  • JAX ユーザとして : get access to a fully-featured, battle-tested, well-documented modeling and training library.

 

以上



クラスキャット

最近の投稿

  • LangGraph on Colab : マルチエージェント・スーパーバイザー
  • LangGraph on Colab : エージェント型 RAG
  • LangGraph : 例題 : エージェント型 RAG
  • LangGraph Platform : Get started : クイックスタート
  • LangGraph Platform : 概要

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (23) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2023年11月
月 火 水 木 金 土 日
 12345
6789101112
13141516171819
20212223242526
27282930  
« 10月   12月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme