Keras正式从TensorFlow分离结束API混乱与耗时

　　机器之心报道
　　编辑：杜伟、小舟
　　以后在本地运行KerasBazel测试将不再花费几小时，只需要几分钟。
　　对于深度学习领域的从业者而言，Keras肯定不陌生，它是深度学习的主流框架之一。2015年3月27日，谷歌软件工程师、Keras之父FrancoisChollet在其GitHub上提交并公布了Keras的首个版本。作为使用纯Python编写的深度学习框架，Keras的代码更加简单方便，适用于初学者。此外，Keras具有很强的易扩展性，能够直观地定义神经网络，函数式API的使用令用户可以将层定义为函数。
　　Keras官网地址：https：keras。io
　　为了训练自定义神经网络，Keras需要一个后端，在v1。1。0版本之前，Keras的默认后端都是Theano。2015年11月9日，谷歌发布了TensorFlow。Keras开始支持TensorFlow作为后端。渐渐地，TensorFlow成为最受欢迎的后端，并从Kerasv1。1。0发行版开始成为它的默认后端。tf。keras正是在TensorFlowv1。10。0中引入的，这是将Keras直接集成到TensorFlow包中的第一步。
　　当谷歌在2019年6月发布TensorFlow2。0时，他们宣布Keras成为TensorFlow的官方高级API。并且，在Keras2。3。0版本发布时，Francois表示这是Keras首个与tf。keras同步的版本，也是Keras支持Theano等多个后端的最终版本。所有深度学习从业者都应将其代码转换成TensorFlow2。0和tf。keras软件包。这意味着二者的合并，但看似双赢的决定，很多开发者却不买账。API的混乱与割裂不仅令开发者不知所措，也加大了开发者寻找教程的难度。
　　是时候做出改变了！近日，Keras之父FrancoisChollet在其推特宣布一项重要决定：他们已经将Keras的代码从TensorFlow代码库中分离出来，移回到了自己的repo。
　　对于Keras从TensorFlow分离后有哪些好处？Francois表示：这将提升开源贡献者的开发体验。对于用户而言，这将使他们可以在本地运行测试，不再需要编译TF来测试Keras了，并且还将改善CI时间。
　　Keras正式从TensorFlow代码库中分离
　　此次Keras分离过程的负责人是谷歌高级软件工程师ScottZhu，他代表Keras团队向所有Keras用户发表了公开声明，解释了Keras从TensorFlow代码库中分离出来的缘由以及分离后为用户带来的诸多便利之处。
　　开发团队花费了很多精力使TensorFlow更加模块化，并优化了Keras和TensorFlow之间的依赖关系。最终Keras从TensorFlow代码库中分离出来，并拥有了自己独立的代码库。这使Keras能够使用TensorflowPythonAPI作为PIP包依赖项，且无需在构建和测试时编译TensorFlow。因此现在在本地运行KerasBazel测试只需要几分钟，而不是几小时。
　　变更之后，当前TensorFlow代码库中的Keras部分将很快被删除。这意味着：
　　1。Keras开源代码库的访问地址将发生变更；
　　原地址：https：github。comtensorflowtensorflow
　　新地址：https：github。comkerasteamkeras
　　用于代码库管理的git工具。
　　3。任何在先前代码库中未解决的Keras相关活跃问题将在现有的ticket线程中处理，并将通过提交到新代码库进行修复；
　　4。与原代码库相关的陈旧问题将被关闭。如果你认为仍然是有价值的问题，请随时在新代码库中重新打开该问题；
　　5。新Keras代码库在此次变更前未完成的任何PRissue都被认为是陈旧的，将被关闭。
　　用户想要提交贡献，如何做？
　　用户在提交自己的代码以供审查并获得批准时，必须签署谷歌个人贡献者许可协议（CLA），这样才可以将代码放入Keras代码库中。此外，在提交更多的贡献时，用户也应首先通过问题跟踪器（issuetracker）与Keras联系沟通。
　　包括项目成员在内所有用户的提交都必须接受审查。为此，Keras使用GitHub拉取请求（pullrequest，PR），并建议用户在创建PR之前阅读相关指南。
　　完成本地更改并通过测试验证后，用户可以在kerasteamkeras项目中打开并发送PR，之后会经过一系列的测试来验证它的正确性。一旦PR被审查者测试和批准，PR将被镜像到谷歌内部存储库。一旦合并到Google内部存储库成功完成，PR还将被标记为已合并（merged）。这与TensorflowOSS的贡献流程相同，相关示例如下图所示：
　　在做任何更改之前，Keras团队建议用于打开issue，并在上面讨论。Keras也会给予反馈并对用户提出的更改进行验证。如果更改很小，如文档修复中简单的bug修复，则只需打开PR无需讨论。
　　与个人用户不同，企业用户提交的贡献需要遵守《谷歌软件授权与企业贡献者许可协议》。
　　开发所需的工具
　　使用Keras开发所需要的工具主要包括如下：
　　用于创建和测试Keras项目的Bazel工具和P
　　用于代码库管理的git工具。
　　设置和检查本地工作区
　　以苹果Mac电脑（Linux系统的配置非常相似）为例，使用如下命令设置并检查本地工作区的配置：
　　下载Keras代码和设置虚拟环境
　　Python虚拟环境是创建独立环境的强大工具，可以将任何系统级配置的更改隔离开来。因此，Keras强烈建议避免出现任何意外的依赖或版本问题。
　　本地运行测试
　　在本地运行一个测试的代码如下：（venvdir）scottzhumacbookpro2：kerasscottzhubazeltestcoptkeras：backendtestWARNING：Thefollowingconfigswereexpandedmorethanonce：〔v2〕。Forrepeatableflags，repeatsarecountedtwiceandmayleadtounexpectedbehavior。INFO：Optionsprovidedbytheclient：Inheritedcommonoptions：isatty1terminalcolumns147INFO：ReadingrcoptionsfortestfromUsersscottzhuworkspacekeras。bazelrc：Inheritedbuildoptions：appleplatformtypemacosdefineopensourcebuildtruedefineusefastcppprotosfalsedefinetensorflowenablemlirgeneratedgpukernels0defineallowoversizeprotostruespawnstrategystandalonecoptannouncercdefinegrpcnoarestrueconfigshortlogsconfigv2INFO：ReadingrcoptionsfortestfromUsersscottzhuworkspacekeras。bazelrc：testoptions：defineopensourcebuildtruedefineusefastcppprotosfalseconfigv2INFO：Foundapplicableconfigdefinitionbuild：shortlogsinfileUsersscottzhuworkspacekeras。bazelrc：outputfilterDONTMATCHANYTHINGINFO：Foundapplicableconfigdefinitionbuild：v2infileUsersscottzhuworkspacekeras。bazelrc：definetfapiversion2actionenvTF2BEHAVIOR1INFO：Foundapplicableconfigdefinitionbuild：v2infileUsersscottzhuworkspacekeras。bazelrc：definetfapiversion2actionenvTF2BEHAVIOR1INFO：Analyzedtargetkeras：backendtest（0packagesloaded，0targetsconfigured）。INFO：Found1testtarget。。。Targetkeras：backendtestuptodate：bazelbinkerasbackendtestINFO：Elapsedtime：45。535s，CriticalPath：45。26sINFO：19processes：19local。INFO：Buildcompletedsuccessfully，20totalactionskeras：backendtestPASSEDin45。2sStatsover4runs：max45。2s，min40。0s，avg41。5s，dev2。1sINFO：Buildcompletedsuccessfully，20totalactions
　　最后为大家推荐一篇Keras的中文教程，它由Keras团队软件工程师金海峰翻译自官网教程，详细介绍了Keras和TensorFlow的基本用法和核心概念，并通过变分自编码器（VariationalAutoencoder）和超网络（Hypernetwork）这两个完整的例子展示了如何在实践中使用Keras。
　　教程知乎链接：https：zhuanlan。zhihu。comp380472423
　　参考链接：
　　https：github。comqlzh727
　　https：zhuanlan。zhihu。comp364670970
　　https：www。jiqizhixin。comarticles202104026
　　https：docs。github。comengithubcollaboratingwithpullrequestsproposingchangestoyourworkwithpullrequestsaboutpullrequests