总结而言，这次 Keras Core 对 Keras 代码库进行了完全重写，除了 TensorFlow 之外，它还将 Keras API 引入 JAX 和 PyTorch。
如今，Keras Core 可以作为 tf.keras 的替代品，当利用 TensorFlow 后端时，几乎完全向后兼容 tf.keras 代码。在绝大多数情况下，你只需利用 import keras_core as keras 来代替 from tensorflow import keras 导入即可，替换之后，以前的代码还能正常跑，不仅如此，性能还提高了。
其实，在此之前，Keras 就已经能在 Theano、CNTK（甚至 MXNet）等框架之上运行。最近几年，随着利用 TensorFlow、PyTorch、JAX 的用户越来越多。例如根据 2023 年 StackOverflow 以及 2022 年的 Kaggle 调查数据显示，2022-2023 年 TensorFlow 吞噬 55% 到 60% 的市场份额，PyTorch 吞噬 40% 到 45%。同时，JAX 虽然市场份额较小，但已经被谷歌 DeepMind、Midjourney、Cohere 等顶级生成式人工智能公司所接受和采用。
这么看来，本次新库的发布，是在情理之中。
Keras 创始人 François Chollet 表示：如今，（借助 Keras Core）你可以编写跨框架深度进修组件，并从每个框架提供的最佳功能中受益。
接下来，我们看看 Keras Core 具体有哪些特色。
Keras Core 的主要特色
首先是 Keras Core 实现了完整的 Keras API，可支持 TensorFlow、JAX 和 PyTorch。
Keras Core 的第二个特色：它是一个可用于深度进修的、跨框架的低级语言。基于 Keras Core，用户可以创建组件（例如自定义层和预训练模型），而这些组件可以合用于任何框架。特别是，Keras Core 允许用户访问 keras_core.ops 命名空间，后者合用于全部后端。
Keras Core 的第三个特色是与 JAX、PyTorch 和 TensorFlow 中的当地处事流无缝集成。与 Keras 1.0 不同，Keras Core 不只是针对以 Keras 为中心的处事流，还意味着可以与低级的后端当地处事流无缝地处事。
Keras Core 其他特色还包括：支持全部后端跨框架的数据 pipeline。多框架的机器进修意味着多框架的数据加载和处理，处理起来比较麻烦。如今 Keras Core 模型可以利用广泛的数据 pipeline 进行训练 —— 不管你是利用 JAX、PyTorch 还是 TensorFlow 后端。
预训练模型。从如今开始，你可以借助 Keras Core 利用更多的预训练模型。如今已经有 40 个 Keras 应用模型可在后端中利用，此外，KerasCV 和 KerasNLP 中存在的大量预训练模型（例如 BERT、T5、YOLOv8、Whisper 等）也合用于全部后端。
了解更多内容，请参考：https://keras.io/keras_core/announcement/