Keras 2.0.7 版發布，Fran?ois Chollet 介紹幾大主要改進

雷鋒網消息：昨晚，Keras 之父 Fran?ois Chollet 在 GItHub發布了最新的 Keras 2.0.7 版。這是自今年三月Keras 2.0發布以來的最重大更新之一。各項主要改進方面如下：

• 修復漏洞；

• 性能提升；

• 文件改善；

• 為在 TensorFlow 的數據張量（比如 Datasets, TFRecords）上訓練模型提供了更好的支持。添加了一個相關案例文本；

• 提升 TensorBoard 用戶體驗——對 ops 更好地用名稱範圍進行分組；

• 提升測試覆蓋範圍。

API 的變化：

• 加入 clone_model 方法, 能夠把已有模型作為模板創建新模型。即便 TensorFlow 圖和原始模型不一樣也可以。

• 向 compile 中加入 target_tensors 參數，用戶能把定製張量或佔位符作為模型目標。

• 把 steps_per_epoch 參數加入 fit，用戶能採用和 Numpy 數組一致的方法來訓練數據張量。

• 把該 steps 參數加入 predict 和 evaluate。

• 加入 Subtract merge 層，以及關聯層 function subtract。

• 把 weighted_metrics 參數加入 compile，進一步規定 metric 函數，以把 sample_weight 或 class_weight 納入考慮。

• 讓 stop_gradients 後端函數在整個後端保持一致性。

• 允許 repeat_elements 後端函數有動態的形態。

• 支持 CNTK 的全狀態 RNN

重大變化：

• 讓約束管理（constraint management）基於變數屬性；

• 把層和模型中已經不再使用的約束屬性移除（不會影響任何用戶）。

其 GitHub 地址在這裡：https://github.com/fchollet/keras/releases/tag/2.0.7

今年的谷歌 I/O 開發者大會上，Keras 之父 Fran?ois Chollet 對該工具進行了介紹，雷鋒網整理如下：

Fran?ois Chollet：簡而言之，它就是一個用於創建 TensorFlow 模型的高級 API，你可以與它一起使用 estimator class 以及 experiment class。

眾所周知，TensorFlow 的特點是非常低級的編程界面，你大多數時間花在矩陣、矢量乘法上。這使它成為一件非常強力的深度學習工具。但對於創建十分複雜先進的模型，這種操作方式說不上「理想」。

在谷歌，我們相信，未來深度學習將存在於每一個普通 IT 開發者的工具箱中，不再局限於機器學習專家。原因很簡單：每個開發者都需要做出更智能的應用。

為了讓這成為現實，我們需要降低深度學習的使用門檻，搞出每一個人都能用的工具，而不應該只有專家才能用深度學習解決問題。

我有一個問題想讓大家思考：

如果設計一個沒有任何束縛限制的深度學習界面，它應該是什麼樣的？

深度學習的核心理念很容易理解，它的實現也不應該複雜。對於模型核心部件，與其從頭實現所有功能，應該讓開發者利用現存部件，快速搭建數據處理流水線；就像樂高積木那樣。這正是我們設計 Keras 的理念——成為「深度學習的樂高」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！