Repolode
Enviar
keras-team

keras-team/keras

Keras 3 é um framework de deep learning que roda com JAX, TensorFlow, PyTorch ou OpenVINO para inferência.

Ver no GitHubSite
Estrelas
64,376
Forks
19,805
Issues abertas
248
Último commit
há 5 horas

O que é?

Keras 3 é um framework de deep learning de alto nível para criar e treinar modelos de visão computacional, processamento de linguagem natural, áudio, previsão de séries temporais e sistemas de recomendação. A ideia central é que uma única base de código Keras pode rodar em vários backends: JAX, TensorFlow, PyTorch e OpenVINO, que é limitado à inferência.

O backend é selecionado pela variável de ambiente KERAS_BACKEND ou por um arquivo de configuração, para que os usuários escolham o runtime mais adequado ao modelo e ao hardware. Keras 3 é apresentado como um substituto direto para tf.keras quando se usa o backend do TensorFlow, e camadas, modelos e métricas personalizados podem ser reutilizados em módulos nativos do PyTorch ou em funções de modelo do JAX. O treinamento pode usar conjuntos de dados tf.data ou PyTorch DataLoaders, e configurações de GPU e TPU são compatíveis por meio de arquivos separados de requisitos CUDA.

A instalação é feita via pip, com o pacote keras, no Linux e no macOS; no Windows, recomenda-se usar WSL2. Keras 2 continua disponível como o pacote tf-keras.

Recursos principais

  • 01Roda o mesmo código Keras com JAX, TensorFlow, PyTorch ou OpenVINO.
  • 02Troca de backend por meio da configuração KERAS_BACKEND.
  • 03Funciona como substituto direto para tf.keras com o backend do TensorFlow.
  • 04Permite usar modelos Keras em módulos nativos do PyTorch ou funções do JAX.
  • 05Aceita conjuntos de dados tf.data e PyTorch DataLoaders para treinamento.
  • 06Disponibiliza arquivos separados de requisitos CUDA para configurações com GPU.

Casos de uso

  • Criar modelos de visão computacional ou NLP com uma API de alto nível compatível com diferentes frameworks.
  • Migrar um projeto tf.keras existente para JAX ou PyTorch sem reescrevê-lo.
  • Reutilizar camadas personalizadas em um loop de treinamento do PyTorch ou JAX.
  • Implantar um modelo treinado para inferência com OpenVINO.

Início rápido

  1. 1

    Instale o Keras pelo PyPI

    pip install keras --upgrade
  2. 2

    Instale um backend como tensorflow, jax ou torch

  3. 3

    Selecione o backend configurando a variável de ambiente

    export KERAS_BACKEND="jax"

Antes de usar

  • É necessário instalar separadamente um backend como TensorFlow, JAX ou PyTorch.
  • O backend OpenVINO oferece suporte apenas à inferência.
  • O Windows não é compatível diretamente; o README recomenda o WSL2.

Tópicos

#deep-learning#machine-learning#neural-networks#jax#pytorch#tensorflow#data-science#python

Perguntas frequentes

O que é keras?
Keras 3 é um framework de deep learning que roda com JAX, TensorFlow, PyTorch ou OpenVINO para inferência. Keras 3 é um framework de deep learning de alto nível para criar e treinar modelos de visão computacional, processamento de linguagem natural, áudio, previsão de séries temporais e sistemas de recomendação. A ideia central é que uma única base de código Keras pode rodar em vários backends: JAX, TensorFlow, PyTorch e OpenVINO, que é limitado à inferência.
keras é gratuito? Qual é a licença?
keras é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
keras ainda é mantido?
Manutenção ativa. O último commit de keras foi em 20 de out. de 2026.
Para que posso usar keras?
Criar modelos de visão computacional ou NLP com uma API de alto nível compatível com diferentes frameworks. Migrar um projeto tf.keras existente para JAX ou PyTorch sem reescrevê-lo. Reutilizar camadas personalizadas em um loop de treinamento do PyTorch ou JAX. Implantar um modelo treinado para inferência com OpenVINO.
Como instalar keras?
Instale o Keras pelo PyPI: pip install keras --upgrade Instale um backend como tensorflow, jax ou torch Selecione o backend configurando a variável de ambiente: export KERAS_BACKEND="jax"
Onde consigo keras?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/keras-team/keras

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados