Microsoftによる12週間・全24レッスンの初学者向けAIカリキュラム。記号AI、ニューラルネットワーク、コンピュータービジョン、NLP、倫理を扱い、PyTorchとTensorFlowのノートブックを提供します。
keras-team/keras
Keras 3は、JAX、TensorFlow、PyTorch、または推論向けのOpenVINOで動作する深層学習フレームワークです。
- スター
- 64,376
- フォーク
- 19,805
- 未解決の Issue
- 248
- 最終コミット
- 5 時間前
これは何?
Keras 3は、コンピュータビジョン、自然言語処理、音声、時系列予測、レコメンダーシステムのモデルを構築・学習するための高水準な深層学習フレームワークです。KerasのコードベースをJAX、TensorFlow、PyTorch、推論専用のOpenVINOといった複数のバックエンドで実行できることが、基本的な考え方です。
バックエンドはKERAS_BACKEND環境変数または設定ファイルで選択できるため、モデルやハードウェアに適したランタイムを選べます。TensorFlowバックエンドでは、Keras 3はtf.kerasのドロップイン置き換えとして利用できます。また、カスタムレイヤー、モデル、メトリクスをネイティブなPyTorchモジュールやJAXのモデル関数内で再利用できます。学習にはtf.dataのデータセットやPyTorch DataLoaderを利用でき、GPUとTPUの環境はそれぞれ別のCUDA要件ファイルでサポートされています。
LinuxとmacOSではkerasパッケージをpipでインストールします。WindowsではWSL2の利用が推奨されています。Keras 2はtf-kerasパッケージとして引き続き利用できます。
主な機能
- 01同じKerasコードをJAX、TensorFlow、PyTorch、またはOpenVINOで実行できます。
- 02KERAS_BACKENDの設定でバックエンドを切り替えられます。
- 03TensorFlowバックエンドではtf.kerasのドロップイン置き換えとして利用できます。
- 04KerasモデルをネイティブなPyTorchモジュールやJAX関数内で使用できます。
- 05学習用の入力としてtf.dataのデータセットとPyTorch DataLoaderを利用できます。
- 06GPU環境向けに、CUDA要件を記載したファイルが個別に用意されています。
ユースケース
- 高水準APIを使い、複数のフレームワークでコンピュータビジョンやNLPのモデルを構築する。
- 既存のtf.kerasプロジェクトを書き換えずに、JAXやPyTorchへ移行する。
- カスタムレイヤーをPyTorchやJAXの学習ループで再利用する。
- 学習済みモデルをOpenVINOで推論用にデプロイする。
クイックスタート
- 1
PyPIからKerasをインストールする
pip install keras --upgrade - 2
tensorflow、jax、torchなどのバックエンドをインストールする
- 3
環境変数を設定してバックエンドを選択する
export KERAS_BACKEND="jax"
使う前に知っておきたいこと
- TensorFlow、JAX、PyTorchなどのバックエンドを別途インストールする必要があります。
- OpenVINOバックエンドは推論のみをサポートします。
- Windowsは直接サポートされていません。READMEではWSL2の使用が推奨されています。
トピック
よくある質問
- keras とは?
- Keras 3は、JAX、TensorFlow、PyTorch、または推論向けのOpenVINOで動作する深層学習フレームワークです。 Keras 3は、コンピュータビジョン、自然言語処理、音声、時系列予測、レコメンダーシステムのモデルを構築・学習するための高水準な深層学習フレームワークです。KerasのコードベースをJAX、TensorFlow、PyTorch、推論専用のOpenVINOといった複数のバックエンドで実行できることが、基本的な考え方です。
- keras は無料で使えますか?ライセンスは?
- keras は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- keras は今もメンテナンスされていますか?
- 活発にメンテナンス中。keras の最終コミットは 2026年10月20日 です。
- keras は何に使えますか?
- 高水準APIを使い、複数のフレームワークでコンピュータビジョンやNLPのモデルを構築する。 既存のtf.kerasプロジェクトを書き換えずに、JAXやPyTorchへ移行する。 カスタムレイヤーをPyTorchやJAXの学習ループで再利用する。 学習済みモデルをOpenVINOで推論用にデプロイする。
- keras のインストール方法は?
- PyPIからKerasをインストールする: pip install keras --upgrade tensorflow、jax、torchなどのバックエンドをインストールする 環境変数を設定してバックエンドを選択する: export KERAS_BACKEND="jax"
- keras はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/keras-team/keras
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
Rayは、分散ランタイムとAIライブラリを備え、PythonやAIアプリケーションをノートPCからクラスターまでスケールさせる統合フレームワークです。
機械学習モデル、API、Python関数のWebデモやUIをすばやく作成・共有できるPythonパッケージ。
ONNX、TensorFlow、PyTorch、Core MLなど、多くの形式に対応したニューラルネットワーク、ディープラーニング、機械学習モデルのビューア。
Pythonライブラリ。スクリプトを、データダッシュボードやレポート、チャットアプリ向けのインタラクティブなWebアプリに変換します。
autogradを基盤とする動的ニューラルネットワークと、GPUアクセラレーション対応のテンソル計算を提供するPython深層学習フレームワーク。