Back to Details

keras

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Keras

Keras

Keras 3 is a game changer: it is now multi-backend. You can write Keras code and run it on top of JAX, PyTorch, or TensorFlow.
Keras 3 是一项颠覆性的更新：它现在支持多后端。你可以编写Keras代码，然后在JAX、PyTorch或TensorFlow上运行。

When to Use

适用场景

  • Portability: Write once, run on any framework.
  • Simplicity: 
    model.fit()
    is still the cleanest API in the industry.
  • XLA: Keras 3 enables XLA compilation on all backends by default.
  • 可移植性: 一次编写，可在任意框架上运行。
  • 简洁性: 
    model.fit()
    仍是业内最简洁的API。
  • XLA支持: Keras 3默认在所有后端上启用XLA编译。

Core Concepts

核心概念

Backend Agnostic

后端无关性

The Model is just a blueprint. You choose the engine at runtime. 
os.environ["KERAS_BACKEND"] = "jax"
模型只是一个蓝图，你可以在运行时选择引擎。 
os.environ["KERAS_BACKEND"] = "jax"

Functional API

函数式API

Defining models as a graph of layers: 
x = Dense()(inputs)
.
将模型定义为层的图结构：
x = Dense()(inputs)
。

Keras Core (
keras.ops
)

Keras Core (
keras.ops
)

A numpy-like API that works across all frameworks (differentiable numpy).
类Numpy的API，可在所有框架上运行（可微分的numpy）。

Best Practices (2025)

2025年最佳实践

Do:
  • Use Keras 3: Migrate from 
    tf.keras
    .
  • Use JAX backend: For fastest training on TPUs/GPUs.
  • Use PyTorch backend: If you need to integrate into a larger PyTorch codebase.
Don't:
  • Don't mix 
    tf.*
    ops    : Use 
    keras.ops.*
    to remain framework-agnostic.
建议做法:
  • 使用Keras 3: 从
    tf.keras
    迁移。
  • 使用JAX后端: 在TPU/GPU上实现最快训练速度。
  • 使用PyTorch后端: 如果你需要集成到更大的PyTorch代码库中。
不建议做法:
  • 不要混用
    tf.*
    操作    : 使用
    keras.ops.*
    以保持框架无关性。

References

参考资料