Keras 2发布：实现与TensorFlow的直接整合

选自 The Keras Blog

作者：Francois Chollet

机器之心编译

参与：晏奇、黄小天、吴攀

Keras 在 2015 年 3 月首次推出，现在用户数量已经突破了 10 万。其中有数百人为 Keras 代码库做出了贡献，更有数千人为 Keras 社区做出了贡献。Keras 已经催生了新的创业公司、提高了研究者的成果率、简化了大公司的工程流程图、并为数以千计没有机器学习经验的人打开一扇通向深度学习的大门。而我们相信这仅仅是个开始。

现在我们推出 Keras 2，它带有一个更易使用的新 API，实现了与 TensorFlow 的直接整合。这是在 TensorFlow 核心整合 Keras API 所准备的重要一步。

Keras 2 有很多新变化，下面是简明概览：

与 TensorFlow 整合

尽管 Keras 自 2015 年 12 月已经作为运行时间后端（runtime backend）开始支持 TensorFlow，Keras API 却一直与 TensorFlow 代码库相分离，这种情况正在改变：从 TensorFlow 1.2 版本开始，Keras API 可作为 TensorFlow 的一部分直接使用，这是 TensorFlow 在向数百万新用户开源的道路上迈出的一大步。

Keras 最好被理解为一个 API 技术规范，而不是一个特殊的代码库。事实上，继续发展将会出现 Keras 技术规范的两个不同实现：（a）TensorFlow 的内部实现（如 tf.keras），纯由 TensorFlow 写成，与 TensorFlow 的所有功能深度兼容；（b）外部的多后台实现，同时支持 Theano 和 TensorFlow（并可能在未来有更多的后台）。

类似的，Skymind 正在用 Scala 实现 Keras 份额部分规范，如 ScalNet。为了在浏览器中运行，Keras.js 正在用 JavaScript 运行 Keras 的部分 API。正因如此，Keras API 注定成为深度学习从业者的通用语言，在不同的工作流程中共享并独立于底层平台。像 Keras 这样的统一 API 规范将促进代码共享，提高研究的再生产率，并允许更大支持社区的存在。

新 API

新的 Keras 2 API 是我们首个长期支持的 API：下个月 Keras 2 的代码库将在最新的软件上开始运行数年。为了将其变为可能，考虑到未来会出现的问题，我们在这次发布中大量修改了 API。特别是，我们的新 API 选项完全兼容 TensorFlow 规范。

• 大多数层的 API 有了显著变化，特别是 Dense、BatchNormalization 和全卷积层。然而，我们已经设置好了兼容接口，这样你的 Keras 1 代码就可以在 Keras 2 上无障碍运行了（同时发出警告来帮助你转换对新 API 的层调用）。

• 训练和评估生成器方法的 API 已经改变（如： fit_generator、predict_generator 和 evaluate_generator）。不过，无需担心，Keras 1 的调用依然适用于 Keras 2。

• fit、nb_epoch 已重命名为为 epochs。我们的 API 转换接口也适用于这项改变。

• 很多层所保存的权重格式已经改变。然而，Keras 1 上保存的权重文件依然能在 Keras 2 模型上加载。

• objectives 模块已更名为 losses。

显著修改

考虑到 Keras 的广大用户基础，我们尽量不对 Keras 做根本变动，但是，还是有些变动不可避免，尤其是对于更高阶的用户来讲。

• 传统层 MaxoutDense、TimeDistributedDense 和 Highway 已被永久移除。

• 大量的传统度量和损失函数已被移除。

• BatchNormalization 层不再支持 mode 参数。

• 由于 Keras 内部构件已经改变，自定义层被升级。改变相对较小，因此将变快变简单。参见指南：https://keras.io/layers/writing-your-own-keras-layers/

• 通常来讲，任何使用非正式的 Keras 功能编写的代码将会失效，因此高阶用户也许需要做一些相应的更新工作。

开始

你可以：

• 从 PyPI：pip install keras --upgrade 安装 Keras 2

• 在 Github 上查看代码：https://github.com/fchollet/keras

• 阅读已更新的文档：https://keras.io/

下面附带了机器之心之前发布过的有关 Keras 的文章：

• 深度 | Keras 框架发明者 François Chollet Quora 问答集：我的长期目标是让人工智能自力更生

• 开源 | Keras.js 可以让你使用浏览器在 GPU 上运行 Keras 模型

• 教程 | 从基本概念到实现，全卷积网络实现更简洁的图像识别