Biblioteca de Python para ejecutar, entrenar y evaluar modelos de IA del hub de modelos ModelScope mediante una interfaz unificada de pipeline y Trainer.
9,2 mil+8 esta semana975PythonApache-2.0Bien mantenidoActualizado hace 5 días
keras-team/keras-hub
Biblioteca de modelos preentrenados para Keras 3, con modelos de texto, imagen y audio compatibles con JAX, TensorFlow y PyTorch.
- Estrellas
- 996
- Forks
- 377
- Issues abiertos
- 273
- Último commit
- hace 3 días
¿Qué es?
KerasHub es una biblioteca de modelado preentrenado creada como extensión de la API principal de Keras. Ofrece implementaciones para Keras 3 de arquitecturas de modelos populares, junto con checkpoints preentrenados alojados en Kaggle Models. Sus componentes Layer y Model cubren tareas como generación, clasificación y otros flujos de trabajo integrados para datos de texto, imagen y audio.
Una misma definición de modelo funciona con JAX, TensorFlow y PyTorch; el backend se selecciona mediante la variable de entorno KERAS_BACKEND. Los modelos se pueden ajustar en GPUs y TPUs, usar técnicas PEFT integradas en aceleradores individuales o entrenar a gran escala con paralelismo de modelos y de datos.
Los desarrolladores que ya conocen Keras pueden empezar rápidamente: cargar un preset con from_preset y llamar a fit o predict sigue el flujo de trabajo habitual de Keras. El proyecto está en desarrollo activo en la fase preliminar 0.y.z, por lo que las API pueden cambiar.
Funciones clave
- 01Implementaciones para Keras 3 de arquitecturas populares de modelos de texto, imagen y audio.
- 02Checkpoints preentrenados que se pueden cargar por nombre mediante from_preset.
- 03Una misma definición de modelo funciona con JAX, TensorFlow o PyTorch.
- 04Técnicas PEFT integradas para entrenar en un solo acelerador.
- 05Admite entrenamiento con paralelismo de modelos y de datos para ajustar modelos a mayor escala.
Casos de uso
- Ajustar un clasificador de tipo BERT preentrenado con un conjunto de datos de texto personalizado.
- Ejecutar clasificación de imágenes con un checkpoint preentrenado de ResNet.
- Adaptar modelos de lenguaje grandes mediante ajuste eficiente en parámetros cuando la memoria de la GPU es limitada.
- Migrar un flujo de entrenamiento de Keras entre los backends JAX, TensorFlow y PyTorch.
Inicio rápido
- 1
Instala KerasHub desde PyPI
pip install --upgrade keras-hub - 2
Elige un backend configurando la variable de entorno antes de importar
export KERAS_BACKEND=jax - 3
Importa KerasHub y carga un modelo preentrenado desde un preset
Antes de usarlo
- Al instalar KerasHub, TensorFlow se instala siempre para el preprocesamiento con tf.data.
- La API es anterior a la versión 1.0 y la compatibilidad puede romperse en cualquier momento.
- Algunos modelos preentrenados incluidos los proporcionan terceros con licencias independientes.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es keras-hub?
- Biblioteca de modelos preentrenados para Keras 3, con modelos de texto, imagen y audio compatibles con JAX, TensorFlow y PyTorch. KerasHub es una biblioteca de modelado preentrenado creada como extensión de la API principal de Keras. Ofrece implementaciones para Keras 3 de arquitecturas de modelos populares, junto con checkpoints preentrenados alojados en Kaggle Models. Sus componentes Layer y Model cubren tareas como generación, clasificación y otros flujos de trabajo integrados para datos de texto, imagen y audio.
- ¿keras-hub es gratuito? ¿Qué licencia tiene?
- keras-hub es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿keras-hub sigue mantenido?
- Mantenimiento activo. El último commit de keras-hub fue el 4 nov 2026.
- ¿Para qué puedo usar keras-hub?
- Ajustar un clasificador de tipo BERT preentrenado con un conjunto de datos de texto personalizado. Ejecutar clasificación de imágenes con un checkpoint preentrenado de ResNet. Adaptar modelos de lenguaje grandes mediante ajuste eficiente en parámetros cuando la memoria de la GPU es limitada. Migrar un flujo de entrenamiento de Keras entre los backends JAX, TensorFlow y PyTorch.
- ¿Cómo se instala keras-hub?
- Instala KerasHub desde PyPI: pip install --upgrade keras-hub Elige un backend configurando la variable de entorno antes de importar: export KERAS_BACKEND=jax Importa KerasHub y carga un modelo preentrenado desde un preset
- ¿Dónde consigo keras-hub?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/keras-team/keras-hub
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.
168,6 mil+232 esta semana35,1 milPythonApache-2.0Actualizado hace 18 horas
Una ruta visual de aprendizaje basada en una cronología que recorre las familias de arquitecturas de deep learning y LLM, desde las RNN de 1986 hasta los modelos de razonamiento de 2025.
869+2 esta semana158TypeScriptMITActualizado el mes pasado
Kit de herramientas de Python para dividir texto en oraciones u otras unidades semánticas, con modelos SaT y WtP preentrenados para 85 idiomas.
1,4 mil+2 esta semana84PythonMITActualizado anteayer
Una lista seleccionada de bibliotecas, modelos, implementaciones, tutoriales y artículos relacionados con PyTorch en GitHub.
16,7 mil+13 esta semana2,8 milSin licenciaActualizado hace 2 meses
Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.
Recursos de aprendizaje#artificial-intelligence#machine-learning#deep-learning#neural-networks#computer-vision
70,6 mil+228 esta semana13,7 milJupyter NotebookMITActualizado hace 3 días