Keras 入門
學習資源
您是正在尋找 Keras 簡介的機器學習工程師嗎？請閱讀我們的指南給工程師的 Keras 介紹。
想了解更多關於 Keras 3 及其功能嗎？請參閱 Keras 3 發布公告。
您是否正在尋找涵蓋 Keras API 不同部分深入使用的詳細指南？請閱讀我們的Keras 開發者指南。
您是否正在尋找展示 Keras 在各種使用案例中實際應用的教學？請參閱Keras 程式碼範例：超過 150 個詳細說明的筆記本，展示 Keras 在電腦視覺、自然語言處理和生成式 AI 方面的最佳實務。
安裝 Keras 3
您可以透過 PyPI 安裝 Keras，指令如下：
pip install --upgrade keras
您可以使用以下指令檢查本機的 Keras 版本號碼：
import keras
print(keras.__version__)
要使用 Keras 3，您還需要安裝後端框架 – JAX、TensorFlow 或 PyTorch
如果您安裝 TensorFlow 2.15，您應該在之後重新安裝 Keras 3。原因是 tensorflow==2.15 會使用 keras==2.15 覆蓋您的 Keras 安裝。對於 TensorFlow 2.16 及更新版本，此步驟並非必要，因為從 TensorFlow 2.16 開始，它會預設安裝 Keras 3。
安裝 KerasCV 和 KerasHub
KerasCV 和 KerasHub 可以透過 pip 安裝
pip install --upgrade keras-cv
pip install --upgrade keras-hub
pip install --upgrade keras
設定您的後端
您可以匯出環境變數 KERAS_BACKEND，或者您可以編輯本機設定檔 ~/.keras/keras.json 來設定您的後端。可用的後端選項為："jax"、"tensorflow"、"torch"。範例：
export KERAS_BACKEND="jax"
在 Colab 中，您可以這樣做：
import os
os.environ["KERAS_BACKEND"] = "jax"
import keras
注意： 後端必須在匯入 Keras 之前設定，而且在套件匯入後就無法變更後端。
GPU 相依性
Colab 或 Kaggle
如果您在 Colab 或 Kaggle 上執行，GPU 應已設定好，並具有正確的 CUDA 版本。通常無法在 Colab 或 Kaggle 上安裝較新版本的 CUDA。即使存在 pip 安裝程式，它們也依賴預先安裝的 NVIDIA 驅動程式，並且無法在 Colab 或 Kaggle 上更新驅動程式。
通用 GPU 環境
如果您想嘗試建立一個「通用環境」，讓任何後端都能使用 GPU，我們建議遵循Colab 使用的相依性版本（旨在解決這個確切問題）。您可以從這裡安裝 CUDA 驅動程式，然後按照其各自的 CUDA 安裝指示透過 pip 安裝後端：安裝 JAX、安裝 TensorFlow、安裝 PyTorch
最穩定的 GPU 環境
如果您是 Keras 貢獻者並正在執行 Keras 測試，建議使用此設定。它會安裝所有後端，但一次只允許一個後端存取 GPU，避免後端之間潛在的相依性衝突。您可以使用下列特定於後端的相依性檔案：
這些會透過 pip 安裝所有啟用 CUDA 的相依性。它們預期已預先安裝 NVIDIA 驅動程式。我們建議為每個後端建立一個乾淨的 Python 環境，以避免 CUDA 版本不符。例如，以下是如何使用Conda建立 JAX GPU 環境：
conda create -y -n keras-jax python=3.10
conda activate keras-jax
pip install -r requirements-jax-cuda.txt
pip install --upgrade keras
TensorFlow + Keras 2 向後相容性
從 TensorFlow 2.0 到 TensorFlow 2.15（含），執行 pip install tensorflow 也會安裝對應版本的 Keras 2 – 例如，pip install tensorflow==2.14.0 會安裝 keras==2.14.0。然後可以透過 import keras 和 from tensorflow import keras（tf.keras 命名空間）取得該版本的 Keras。
從 TensorFlow 2.16 開始，執行 pip install tensorflow 會安裝 Keras 3。當您擁有 TensorFlow >= 2.16 和 Keras 3 時，預設情況下 from tensorflow import keras (tf.keras) 將會是 Keras 3。
同時，舊版的 Keras 2 套件仍在定期發布，並且可在 PyPI 上以 tf_keras（或同義詞 tf-keras – 請注意，在 PyPI 套件名稱中，- 和 _ 是等效的）取得。若要使用它，您可以透過 pip install tf_keras 安裝它，然後透過 import tf_keras as keras 匯入它。
如果您希望在升級到 TensorFlow 2.16+ 之後，tf.keras 仍然使用 Keras 2，您可以設定 TensorFlow 安裝，讓 tf.keras 指向 tf_keras。若要達成此目的：
- 請務必安裝
tf_keras。請注意，TensorFlow 不會預設安裝它。 - 匯出環境變數
TF_USE_LEGACY_KERAS=1。
有多種方法可以匯出環境變數：
- 您可以在啟動 Python 直譯器之前，簡單地執行 shell 命令
export TF_USE_LEGACY_KERAS=1。 - 您可以將
export TF_USE_LEGACY_KERAS=1新增到您的.bashrc檔案中。這樣，當您重新啟動 shell 時，該變數仍會匯出。 - 您可以使用以下程式碼啟動您的 Python 腳本：
import os
os.environ["TF_USE_LEGACY_KERAS"] = "1"
這些程式碼必須在任何 import tensorflow 陳述式之前。
相容性矩陣
JAX 相容性
以下 Keras + JAX 版本彼此相容：
jax==0.4.20&keras~=3.0
TensorFlow 相容性
以下 Keras + TensorFlow 版本彼此相容：
使用 Keras 2
tensorflow~=2.13.0&keras~=2.13.0tensorflow~=2.14.0&keras~=2.14.0tensorflow~=2.15.0&keras~=2.15.0
使用 Keras 3
tensorflow~=2.16.1&keras~=3.0
PyTorch 相容性
以下 Keras + PyTorch 版本彼此相容：
torch~=2.1.0&keras~=3.0