进阶 tensorflow.org 2026-10-22 02:47:47 · 23 阅读

第10章 Keras 概览

Keras 是 TensorFlow 平台的高级 API。它提供了一个易于上手且高效的生产力接口,专注于解决机器学习(ML)问题,特别是现代深度学习。Keras 覆盖了机器学习工作流程的每个环节,从数据处理到超参数调优,再到模型部署。它的设计初衷是支持快速实验。

使用 Keras,你可以充分访问 TensorFlow 的扩展性和跨平台能力。你可以在 TPU Pod 或大型 GPU 集群上运行 Keras,也可以导出模型在浏览器或移动设备上运行。此外,还可以通过 Web API 提供 Keras 模型服务。

Keras 旨在通过实现以下目标来降低认知负荷:

  • 提供简单、一致的接口。
  • 最小化常见用例所需的操作步骤。
  • 提供清晰、可操作的错误信息。
  • 遵循复杂度的渐进式披露原则:入门容易,随着学习深入可以完成高级工作流程。
  • 帮助你编写简洁、易读的代码。

谁应该使用 Keras

简短的回答是:所有 TensorFlow 用户默认都应该使用 Keras API。无论你是工程师、研究员还是机器学习从业者,都应该从 Keras 开始。

有些用例(例如在 TensorFlow 之上构建工具,或开发自己的高性能平台)需要低层的 TensorFlow Core API。但如果你的用例不属于 Core API 的应用场景,应优先选择 Keras。

Keras API 组件

Keras 的核心数据结构是层(layers)和模型(models)。层是一种简单的输入/输出转换,而模型是由层组成的有向无环图(DAG)。

层

tf.keras.layers.Layer 类是 Keras 中的基本抽象。Layer 封装了状态(权重)和某些计算(定义在 tf.keras.layers.Layer.call 方法中)。

层创建的权重可以是可训练的,也可以是不可训练的。层具有递归可组合性:如果你将一个层实例作为另一个层的属性赋值,外层就会开始跟踪内层创建的权重。

你还可以使用层来处理数据预处理任务,如归一化和文本向量化。预处理层可以直接包含在模型中,无论是在训练期间还是之后,这使得模型更具可移植性。

模型

模型是将层组合在一起并可在数据上进行训练的对象。

最简单的模型类型是 Sequential 模型,它是层的线性堆叠。对于更复杂的架构,你可以使用 Keras functional API 构建任意层图,或者使用子类化(subclassing)从零开始编写模型。

tf.keras.Model 类内置了训练和评估方法:

  • tf.keras.Model.fit:对模型进行固定数量 epoch 的训练。
  • tf.keras.Model.predict:为输入样本生成预测输出。
  • tf.keras.Model.evaluate:返回模型的损失和指标值;通过 tf.keras.Model.compile 方法配置。

这些方法让你可以访问以下内置训练功能:

  • 回调(Callbacks)。你可以利用内置回调来实现早期停止、模型检查点和 TensorBoard 监控。你甚至可以实现自定义回调。
  • 分布式训练。你可以轻松地将训练扩展到多个 GPU、TPU 或设备。
  • 步骤融合(Step fusing)。通过 tf.keras.Model.compile 中的 steps_per_execution 参数,你可以在单次 tf.function 调用中处理多个批次,从而显著提高 TPU 的设备利用率。

关于如何使用 fit 的详细概述,请参阅训练和评估指南。要了解如何自定义内置的训练和评估循环,请参阅“自定义 fit() 中的行为”。

其他 API 和工具

Keras 为深度学习提供了许多其他 API 和工具,包括:

  • 优化器
  • 指标
  • 损失函数
  • 数据加载工具

有关可用 API 的完整列表,请参阅 Keras API 参考。要了解有关其他 Keras 项目和计划的更多信息,请参阅 Keras 生态系统。

下一步

要开始使用 TensorFlow 中的 Keras,请查看以下主题:

  • Sequential 模型
  • Functional API
  • 使用内置方法进行训练与评估
  • 通过子类化创建新的层和模型
  • 序列化和保存
  • 使用预处理层
  • 自定义 fit() 中的行为
  • 从零编写训练循环
  • 使用 RNN
  • 理解掩码和填充
  • 编写自定义回调
  • 迁移学习和微调
  • 多 GPU 和分布式训练

要了解有关 Keras 的更多信息,请在 keras.io 上查看以下主题:

  • 关于 Keras
  • 面向工程师的 Keras 入门
  • 面向研究人员的 Keras 入门
  • Keras API 参考
  • Keras 生态系统

评论 (0)