Keras

Keras היא ספריית קוד פתוח המשמשת כ-API ל-TensorFlow.

Keras

מפתח	פרנסואה צ'ולט
מחזור חיים	27 מרץ 2015 – הווה (10 שנים)
גרסה אחרונה	3.11.2 (11 באוגוסט 2025)
מערכת הפעלה	Linux, macOS, Windows, Android, website
נכתבה בשפות	פייתון
סוג רישיון	MIT
קוד מקור	https://github.com/keras-team/keras
קטגוריה	למידת מכונה
https://github.com/keras-team/keras
https://keras.io

עד גרסה 2.3 Keras תמכה בעוד ספריות בינה מלאכותית כגון Microsoft Cognitive Toolkit, Theano, ו-PlaidML^[1], אך בגרסה 2.4 הפסיקה לתמוך בהן ועברה להתמקד ב-TensorFlow בלבד. Keras נוצרה תוך שימת דגש על ידידותיות למשתמש, גמישות ומודולריות כאשר המוטו שלה הוא "Keras הוא ממשק API המיועד לבני אדם, לא למכונות". Keras פותחה במקור כחלק מפרויקט ONEIROS (Open-ended Neuro-Electronic Intelligent Robot Operating System) והמפתח והמתחזק העיקרי שלה הוא פרנסואה צ'ולט.

מאפיינים

Keras מכילה בתוכה אבני בניין נפוצות של רשתות עצביות מלאכותיות כגון שכבות, מייעלים (optimizers), פונקציות הפסד, מדדים לבדיקת המודל ודרכים לנהל דאטה. Keras תומכת בין השאר ברשת קונבולוציה, RNN ורשתות עצביות מלאכותיות בעזרת שכבות dropout, כינוס, אגרגציה ו-batch normalization^[2].

Keras ו-TensorFlow

בגרסה 1.1 נוספה ל-Keras TensorFlow בתור תת-ספריה מכיוון ש-TensorFlow נראתה מדי מאיימת ולא אינטואיטיבית, ו-Keras פתרה בעיה זאת כאשר היא שימשה כממשק יותר ידידותי ל-TensorFlow.

ב-2019, בעקבות ירידת אחוז השימוש ב-TensorFlow, רצתה גוגל, המפתחת של TensorFlow, לפתח ממשק חדש ידידותי יותר למשתמש וקל יותר להבנה. מכיוון ש-Keras כבר הייתה קיימת ואף צברה פופולריות, ויתרה גוגל על פיתוח ממשק שלם מחדש ופשוט הפכה את Keras לממשק של TensorFlow החל מגרסה 2.0. בנוסף, Keras ו-TensorFlow שתיהן ספריות קוד פתוח, שיקול נוסף שהטה את המאזניים לכיוון בחירה זאת.

קוד

יצירת מודל בשם "generator" בעזרת Keras:

generator = keras.Sequential(
  [
        keras.Input(shape=(latent_dim,)),
        layers.Dense(8 * 8 * 128),
        layers.Reshape((8, 8, 128)),
        layers.Conv2DTranspose(128, kernel_size=4, strides=2, padding="same"),
        layers.LeakyReLU(alpha=0.2),
        layers.Conv2DTranspose(256, kernel_size=4, strides=2, padding="same"),
        layers.LeakyReLU(alpha=0.2),
        layers.Conv2DTranspose(512, kernel_size=4, strides=2, padding="same"),
        layers.LeakyReLU(alpha=0.2),
        layers.Conv2D(3, kernel_size=5, padding="same", activation="sigmoid"),
    ],
 name="generator",
)