Keras

Keras واجهة API مفتوحة المصدر وعالية المستوى في Python لبناء الشبكات العصبية وتدريبها. أصدرها فرانسوا شولي في مارس 2015 لتسهيل كتابة تجارب التعلّم العميق: إذ يتألف النموذج من طبقات متراصة أو مخطط طبقات، ويضبط compile المحسِّن ودالة الخسارة والمقاييس، بينما ينفّذ fit حلقة التدريب. أصبحت Keras الواجهة الرسمية عالية المستوى لـTensorFlow، ويشغّل Keras 3، الصادر في نوفمبر 2023، شيفرة النموذج نفسها على JAX أو TensorFlow أو PyTorch، ويُختار الإطار عند استيراد Keras. وتجعل شيفرته الموجزة سهلة القراءة خيارًا شائعًا للتدريس والنمذجة الأولية ومسابقات Kaggle، فضلًا عن نماذج الإنتاج في تصنيف الصور ومعالجة اللغة الطبيعية.

آلية عمل Keras#

يُبنى نموذج Keras من طبقات مثل Dense وConv2D وLSTM وMultiHeadAttention، وتحتفظ كل منها بأوزانها الخاصة. وتوفّر Keras ثلاث طرائق لتجميعها: واجهة API Sequential للتكديس البسيط، والواجهة الوظيفية للمخططات ذات التفرعات أو الطبقات المشتركة أو المدخلات المتعددة، والاشتقاق من keras.Model للتحكم الكامل في المرور الأمامي. يُدرَّب النموذج المُجمّع باستخدام fit، التي تتولى تجميع البيانات في دفعات والانتشار العكسي والمقاييس وبيانات التحقق وعمليات الاستدعاء لحفظ نقاط التحقق أو الإيقاف المبكر، ثم يقيّم بيانات جديدة باستخدام evaluate وpredict. يدرّب هذا الرمز مصنّفًا صغيرًا للأرقام على مجموعة بيانات MNIST المرفقة مع Keras:

import os

os.environ["KERAS_BACKEND"] = "torch"  # or "jax" or "tensorflow", set before importing Keras

import keras

# MNIST handwritten digits, with pixels scaled to [0, 1]
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# Define the model as a stack of layers
model = keras.Sequential(
    [
        keras.Input(shape=(28, 28)),
        keras.layers.Flatten(),
        keras.layers.Dense(128, activation="relu"),
        keras.layers.Dense(10, activation="softmax"),
    ]
)

# Configure training, then train and evaluate
model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
model.fit(x_train, y_train, epochs=2, batch_size=64, verbose=0)
loss, accuracy = model.evaluate(x_test, y_test, verbose=0)
print(f"Test accuracy: {accuracy:.3f}")

بعد حقبتين، يطبع النموذج دقة اختبار تبلغ نحو 0.96، ويؤدي تغيير "torch" إلى "jax" أو "tensorflow" إلى تشغيل النموذج نفسه على إطار عمل آخر دون تعديل أي سطر آخر.

Keras 3 والواجهات الخلفية#

عملت Keras في الأصل على عدة محركات، منها Theano وTensorFlow وCNTK. وكان Keras 2.3، الصادر في سبتمبر 2019، آخر إصدار متعدد الواجهات الخلفية، ثم انتقل التطوير إلى TensorFlow بوصفه tf.keras. أعاد Keras 3 استقلالية الواجهة الخلفية: تُكتب الطبقات والنماذج بالاستناد إلى keras.ops، وهي مجموعة عمليات على غرار NumPy تنفّذها كل واجهة خلفية، لذا يمكن إعادة تحميل نموذج محفوظ بتنسيق .keras وتدريبه باستخدام أي واجهة خلفية. وعند استخدام واجهة PyTorch الخلفية، يكون نموذج Keras أيضًا torch.nn.Module يمكن لحلقة تدريب PyTorch مخصّصة استخدامه. ومنذ Keras 3.8، تشغّل واجهة OpenVINO الخلفية المخصّصة للاستدلال النماذج المدرّبة على عتاد Intel.

منذ TensorFlow 2.16، يؤدي تثبيت TensorFlow إلى تثبيت Keras 3، أما الشيفرة التي ما زالت تحتاج إلى Keras 2 فتستخدم الحزمة المنفصلة tf_keras. وتستهدف محوّلات النماذج Keras أيضًا: فعندما تصدّر Ultralytics YOLO نموذج YOLO26 إلى TensorFlow SavedModel، يعيد محوّل onnx2tf بناء شبكة PyTorch من مخطط ONNX بوصفها نموذج Keras، طبقةً تلو الأخرى، قبل حفظها.

النماذج المدرّبة مسبقًا في KerasHub#

يوفّر KerasHub تطبيقات Keras 3 لبنى شائعة مع نقاط تحقق مدرّبة مسبقًا، مثل ResNet للصور وBERT للنصوص ونماذج Gemma اللغوية الكبيرة. يحمّل اسم الإعداد المسبق نموذجًا جاهزًا لـالتعلّم بالنقل: يعيد keras_hub.models.ImageClassifier.from_preset("resnet_50_imagenet") مصنّفًا مدرّبًا على ImageNet، ويكيّفه الضبط الدقيق مع مجموعة بيانات جديدة باستخدام الاستدعاء fit نفسه المذكور أعلاه. وعلى غرار بقية Keras 3، تعمل نماذج KerasHub على أي من واجهات التدريب الخلفية الثلاث.

Keras مقارنةً بـTensorFlow وPyTorch#

• TensorFlow: إطار عمل متكامل له بيئة تشغيل ومصرّف وأدوات نشر خاصة به، مثل TensorFlow Serving وLiteRT. Keras هي الواجهة التي يكتب بها كثير من مستخدمي TensorFlow النماذج، وTensorFlow أحد المحركات التي تشغّل شيفرة Keras.
• PyTorch: إطار عمل يكتب مستخدموه عادةً حلقة التدريب بأنفسهم أو يستخدمون مكتبة مثل PyTorch Lightning. توفّر Keras الحلقة عبر fit ويمكنها استخدام PyTorch واجهةً خلفية، لذا فهما غير متعارضين.
• JAX: مكتبة Google لتحويلات الدوال القابلة للتركيب، المستخدمة للاشتقاق وتجميع XLA والمتجهة. لا يتضمن JAX واجهة مدمجة للطبقات أو التدريب، وتُعد Keras إحدى وسائل توفيرها فوقه.