इंसानों के लिए Deep Learning, Keras 3.0 रिलीज़

• Keras 3.0 के आधिकारिक रिलीज़ की घोषणा की गई, जो 5 महीनों के सार्वजनिक beta testing के बाद आई है
• Keras 3 एक पूरी तरह से फिर से लिखा गया संस्करण है, जो JAX, TensorFlow, और PyTorch पर Keras workflow चलाने में सक्षम बनाता है
• बड़े पैमाने के मॉडल training और deployment के लिए नई सुविधाएँ प्रदान करता है

मल्टी-फ्रेमवर्क मशीन लर्निंग का स्वागत

• Keras के उपयोग के फायदे तेज development speed, user experience, API design, और debugging की आसानी पर केंद्रित हैं
• 25 लाख developers द्वारा चुना गया एक proven framework, जिसका उपयोग Waymo autonomous vehicles और YouTube recommendation engine जैसे बड़े ML systems में होता है
• Keras 3 अतिरिक्त लाभ देता है, जैसे model performance optimization, model ecosystem options का विस्तार, और बड़े पैमाने पर model parallelism तथा data parallelism का समर्थन

Keras 3 API, JAX, TensorFlow, PyTorch में उपलब्ध

• Keras 3 पूरे Keras API को implement करता है और TensorFlow, JAX, PyTorch में उपलब्ध है
• केवल built-in layers का उपयोग करने वाले सभी Keras models सभी supported backends पर तुरंत काम करते हैं
• मौजूदा tf.keras models भी JAX और PyTorch पर सीधे चल सकते हैं

मल्टी-फ्रेमवर्क layers, models, metrics लिखना

• Keras 3 ऐसे components (custom layers, pre-trained models आदि) बनाने की सुविधा देता है जो सभी backends पर एक समान काम करते हैं
• keras.ops namespace के जरिए backend-अनुकूल NumPy API और neural network-विशेष functions उपलब्ध कराता है
• जब तक keras.ops का ही उपयोग किया जाता है, custom layers और metrics JAX, PyTorch, TensorFlow में एक ही code से काम करते हैं

बड़े पैमाने के data parallelism और model parallelism के लिए नया distributed API

• बड़े मॉडल sharding की समस्या हल करने के लिए नया distributed API प्रदान करता है
• model definition, training logic, और sharding configuration को अलग करता है, ताकि मॉडल को ऐसे लिखा जा सके जैसे वह एक single device पर चल रहा हो
• data parallelism और model parallelism के लिए sharding layout को आसानी से निर्दिष्ट करने वाला API देता है

प्री-ट्रेंड मॉडल

• Keras 3 में उपयोग के लिए कई pre-trained models उपलब्ध हैं
• सभी Keras Applications models और KerasCV, KerasNLP के pre-trained models सभी backends पर काम करते हैं

सभी backends पर cross-framework data pipeline समर्थन

• Keras 3 models को JAX, PyTorch, TensorFlow backend की परवाह किए बिना विभिन्न data pipelines का उपयोग करके train किया जा सकता है

जटिलता का क्रमिक खुलासा

• Keras API एक ऐसे design principle का पालन करता है जो सरल workflows से लेकर low-level customization तक, अलग-अलग user profiles के लिए विभिन्न workflows का समर्थन करता है

stateless API

• सभी stateful Keras objects के पास अब stateless API है, जिसे JAX functions में उपयोग किया जा सकता है

Keras 2 से Keras 3 की ओर जाना

• Keras 3, Keras 2 के साथ उच्च स्तर की compatibility रखता है, और अधिकतर users बिना code बदले Keras 3 पर जा सकते हैं
• बड़े codebases में कुछ code changes की आवश्यकता हो सकती है, लेकिन migration में मदद के लिए एक पूरा migration guide उपलब्ध है
• यदि आप Keras 2 का उपयोग जारी रखना चाहते हैं, तो tf_keras package का उपयोग कर सकते हैं या TF_USE_LEGACY_KERAS environment variable सेट करके Keras 2 का उपयोग कर सकते हैं

GN⁺ की राय

इस लेख का सबसे महत्वपूर्ण बिंदु Keras 3.0 का आधिकारिक रिलीज़ और डेवलपर्स के लिए उससे मिलने वाली नई क्षमताएँ हैं। Keras 3.0, JAX, TensorFlow, और PyTorch जैसे विभिन्न backends पर काम करता है, और बड़े पैमाने के मॉडल training तथा deployment को बेहतर बनाकर machine learning development की लचीलापन और दक्षता को काफी बढ़ाता है। ये विशेषताएँ machine learning community के लिए बेहद रोमांचक खबर हैं और डेवलपर्स को अधिक विविध environments में models का प्रयोग और deployment करने का अवसर देती हैं।

[cosine20]

मुझे व्यक्तिगत रूप से Keras वाकई बहुत पसंद है, और अब इसे Pytorch को backend बनाकर भी चलाया जा सकता है, यह बात सच में बहुत खुशी देने वाली है।

[imozart7]

ओह, नया Keras वर्ज़न घोषित हो गया है।

मैंने तो सिर्फ PyTorch सीखा है,
"मौजूदा tf.keras मॉडल भी सीधे JAX और PyTorch में चल सकते हैं" ऐसा कहा जा रहा है, तो यह कैसे होता है, इसे लेकर जिज्ञासा है~

[kuroneko]

ओह, Keras 3 आ गया है। +_+
चाहे model development हो या training, अगर यह थोड़ा और आसान हो जाए तो अच्छा रहेगा।