经过 5 个月的革新迭代，Keras 3.0 终于来了。
「大新闻：我们刚刚发布了 Keras 3.0 版本！」Keras 之父 François Chollet 在 X 上激动的表示。「当前你可以在 JAX、TensorFlow 以及 PyTorch 框架上运转 Keras……」
对于这一革新，Keras 官方表示，这一版本足足花了他们 5 个月的时间进行公测才完成。Keras 3.0 是对 Keras 的完全重写，你可以在 JAX、TensorFlow 或 PyTorch 之上运转 Keras 歇息流，新版本还具有全新的大模型训练和部署功能。你可以抉择最适合自己的框架，也可以根据当前的目标从一种框架切换到另一种框架都没有题目。
Keras 地址：https://keras.io/keras_3/
被 250 多万开发者运用的 Keras，迎来 3.0 版本
Keras API 可用于 JAX、TensorFlow 和 PyTorch。现有的仅运用内置层的 tf.keras 模型可以在 JAX 和 PyTorch 中运转！
Keras 3 可与任何 JAX、TensorFlow 和 PyTorch 歇息流无缝协作。Keras 3 不仅合用于以 Keras 为中心的歇息流，比如界说 Keras 模型、优化器、损失和度量，它还旨在与 JAX、TensorFlow 和 PyTorch 初级后端本地歇息流无缝集成，在训练 Keras 模型时，你可以抉择运用 JAX 训练、TensorFlow 训练、PyTorch 训练，也可以将其作为 JAX 或 PyTorch 模型的一部分，上述操作都没有题目。Keras 3 在 JAX 和 PyTorch 中提供了与 tf.keras 在 TensorFlow 中雷同程度的初级实现灵活性。
预训练模型。你当前可以在 Keras 3 中运用各种预训练模型。当前已经有 40 个 Keras 应用模型可在后端中运用，此外，KerasCV 和 KerasNLP 中存在的大量预训练模型（例如 BERT、T5、YOLOv8、Whisper 、SAM 等）也合用于所有后端。
Keras 3 高度向后兼容 Keras 2：Keras 3 当前实现了 Keras 2 的公共 API 接口。大多数用户无需变动任何代码即可在 Keras 3 上运转 Keras 脚本。如果你还不习惯运用 Keras 3，可以抉择忽略新版本的革新，继续将 Keras 2 与 TensorFlow 结合运用。
Keras 3 支持所有后端的跨框架数据 pipeline。多框架机器学习也意味着多框架数据加载和预处理。Keras 3 模型可以运用各种数据 pipeline 进行训练，无论你运用的是 JAX、PyTorch 还是 TensorFlow 后端：
tf.data.Dataset pipelines。
torch.utils.data.DataLoader 对象。
NumPy 数组和 Pandas 数据帧。
Keras 的 keras.utils.PyDataset 对象。
一个新的分布式 API，可用于大规模数据并行和模型并行。目前这一革新仅合用于 JAX 后端，TensorFlow 和 PyTorch 支持即将推出。
至于为何要推出这一变动，Keras 团队表示，近年来，随着模型规模变得越来越大，他们希望为多装备模型分片（sharding）题目提供 Keras 解决方案。该团队设计的 API 使模型界说、训练逻辑和分片摆设完全独立，这意味着模型可以像在单个装备上运转一样， 然后，你可以在训练模型时将分片摆设添加到任意模型中。
数据并行（在多个装备上雷同地复制小模型）只需两行即可处理：
接下来是模型并行。该 API 允许你通过正则表达式摆设每个变量和每个输出张量的布局。这使得为整个变量类别快速指定雷同的布局变得容易。
最后，Keras 团队还收集了很多大家关心的题目，并予以解答，感兴趣的读者可以前去 Keras 官方网站，了解更多内容。