经过 5 个月的更新迭代，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。「现在你可以在 jax、tensorflow 以及 pytorch 框架上运行 keras……」
对于这一更新，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 之上运行 keras 工作流，新版本还具有全新的大模型训练和部署功能。你可以选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问题。
keras 地址：https://keras.io/keras_3/
被 250 多万开发者使用的 keras，迎来 3.0 版本
keras api 可用于 jax、tensorflow 和 pytorch。现有的仅使用内置层的 tf.keras 模型可以在 jax 和 pytorch 中运行！
keras 3 可与任何 jax、tensorflow 和 pytorch 工作流无缝协作。keras 3 不仅适用于以 keras 为中心的工作流，比如定义 keras 模型、优化器、损失和度量，它还旨在与 jax、tensorflow 和 pytorch 低级后端本地工作流无缝集成，在训练 keras 模型时，你可以选择使用 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，上述操作都没有问题。keras 3 在 jax 和 pytorch 中提供了与 tf.keras 在 tensorflow 中相同程度的低级实现灵活性。
预训练模型。你现在可以在 keras 3 中使用各种预训练模型。现在已经有 40 个 keras 应用模型可在后端中使用，此外，kerascv 和 kerasnlp 中存在的大量预训练模型（例如 bert、t5、yolov8、whisper 、sam 等）也适用于所有后端。
keras 3 高度向后兼容 keras 2：keras 3 现在实现了 keras 2 的公共 api 接口。大多数用户无需更改任何代码即可在 keras 3 上运行 keras 脚本。如果你还不习惯使用 keras 3，可以选择忽略新版本的更新，继续将 keras 2 与 tensorflow 结合使用。
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 模型可以使用各种数据 pipeline 进行训练，无论你使用的是 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。目前这一更新仅适用于 jax 后端，tensorflow 和 pytorch 支持即将推出。
至于为何要推出这一更改，keras 团队表示，近年来，随着模型规模变得越来越大，他们希望为多设备模型分片（sharding）问题提供 keras 解决方案。该团队设计的 api 使模型定义、训练逻辑和分片配置完全独立，这意味着模型可以像在单个设备上运行一样， 然后，你可以在训练模型时将分片配置添加到任意模型中。
数据并行（在多个设备上相同地复制小模型）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配置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相同的布局变得容易。
最后，keras 团队还收集了很多大家关心的问题，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。以上就是keras 3.0正式发布：可用于tensorflow、jax和pytorch的详细内容。