昨天，著名深度学习开源库 Keras 通过官方博客正式发布了全新版本：Keras 2。
根据官方介绍，此次更新的重点有两个：
- Keras 2 API 将作为 TensorFlow 框架的一部分直接向用户提供支持；
- Keras 2 API 经过了重新设计，将成为团队第一个长期支持（long-term-support）的 API。
Keras 表示：从 2015 年 3 月发布第一个版本以来，有数以百计的开发人员对 Keras 的开源代码做了完善和拓展，数以千计的热心用户在社区对 Keras 的发展做出了贡献。目前，有大量的 AI 初创公司在 Keras 的帮助下挂牌成立，大量的研究人员通过 Keras 有效提升了研发效率，大公司的工程师们则通过 Keras 大大简化了他们的工作流程。更为重要的是，通过使用 Keras，更多的从前完全没有机器学习开发经验的用户，从此步入了深度学习的世界。
融入 TensorFlow，成为深度学习的通用语言
在本次版本更新中，最重要的一项内容就是增强了 Keras 与 TensorFlow 的逻辑一致性。按照 Keras 在博客中的说法：“这是将 Keras API 整合到 TensorFlow 核心的一个重要的准备步骤”。
实际上，从 2015 年 12 月的版本开始，Keras 就已经支持用户将 TensorFlow 作为运行后端（runtime backend），但此前，Keras 的 API 与 TensorFlow 的代码库尚处于相互隔离的状态。未来，从 TensorFlow 1.2 版本开始，Keras 2 API 将作为 TensorFlow 框架的一部分直接向用户提供支持，Keras 在博客中表示：“这是 TensorFlow 实现下一个百万用户级目标的关键”。
Keras 在博客中表示，他们更愿意人们将 Keras 视为一种通用的 API 规范，而不仅仅是一个具体的代码库。在这个意义上，他们将此前的 Keras 实现归结为两个大类：
- TensorFlow 的内部实现，也就是前不久在 TensorFlow 1.0 版本中发布的 tf.keras 模块，完全基于 TensorFlow 编写，并且与所有 TensorFlow 功能深度兼容；
- 通用实现，兼容多种运行后端，包括 Theano 和 TensorFlow 等（将来可能会支持更多其他的后端）。
类似的，知名 Java 深度学习库 Deeplearning4j 目前正在基于 Scala 语言实现 Keras 规范的一部分，即 ScalNet；而为了让 Keras 在浏览器中运行，Keras.js 团队也在基于 JavaScript 实现一部分 Keras API。这样的例子还有很多。
这些例子正符合了 Kera 成为一种通用的 API 规范的发展定位。按照 Keras 在博客中的说法：“Keras API 意在成为一个深度学习实践者的通用语言，一个跨越多种不同的工作流、独立于各种底层平台的深度学习通用语言”。
重新设计，成为第一个长期支持的 API
Keras 2 的另一项重要更新是 API 的变化。Keras 在博客中表示，全新发布的 Keras 2 API 将成为团队第一个长期支持的 API，不但兼容目前最新的软件，而且未来将保持长期有效。为了实现这一点，Keras 重新设计了绝大部分 API，为将来的扩展和更新预留了充足的修改空间。值得一提的是，新设计的 API 完全兼容于谷歌 TensorFlow 规范。
此次 API 更新的要点包括：
- 大部分软件层的 API 接口都和从前完全不同，特别是 Dense、BatchNormalization 和所有卷积相关的层。但由于软对设置了兼容接口，因此 Keras 1 的代码不经修改仍然可以在 Keras 2 上运行（但会出现打印警告）；
- 生成器训练和评估方法相关的 API 也已经改变（包括 fit_generator、predict_generator 和 evaluate_generator 等）。同样，Keras 1 的代码仍然可以运行；
- 在 fit 中，nb_epoch 已经被更名为 epochs。而且，这一更改也适用于 API 转换接口；
- 许多图层的保存权重格式已更改。同样，以从前的权重保存的文件仍然可以在 Keras 2 中加载；
- objectives 模块已经被更名为 losses。
与此前不兼容的地方
由于 Keras 2 是一次重大的版本更新，因此无法避免地要引入一些与此前版本不兼容的地方，特别是对于高级用户而言，这些信息至关重要：
- 包括 MaxoutDense、TimeDistributedDense 和 Highway 在内的旧版软件层已经被永久删除；
- 许多旧版的指标（metrics）和损失函数（loss functions）被删除；
- BatchNormalization 层不再支持 mode 参数；
- 由于内核代码已经改变，因此自定义层必须全部更新。不过由于修改相对不大，因此更新应该不会太耗时，更新详情参见： https://keras.io/layers/writing-your-own-keras-layers/
- 所有使用未记录的（undocumented） Keras 函数的代码段可能都已经不可用；因此高级用户需要进行一些修改。
目前 Keras 2 已经在 Github 上开源： https://github.com/fchollet/keras
用户可以通过 PyPI 直接更新： pip install keras --upgrade
本文作者：恒亮
本文转自雷锋网禁止二次转载，原文链接