Keras(ケラス)とは、Python実装の高水準ニューラルネットワークライブラリです。「TensorFlow」「Microsoft Cognitive Toolkit」「Theano」上で実行できます。

オープンソースのAI・人工知能/Kerasとは

Keras(ケラス)とは、Python実装の高水準ニューラルネットワークライブラリです。「TensorFlow」「Microsoft Cognitive Toolkit」「Theano」上で実行できます。

「Keras」基本情報

■概要

Keras(ケラス)とは、Python実装の高水準ニューラルネットワークライブラリです。「TensorFlow」「Microsoft Cognitive Toolkit」「Theano」上で実行できます。

■基本説明

Kerasは、オープンソースのニューラルネットワークライブラリです。

ディープニューラルネットワークを用いた迅速な実験を行えるように設計されており、「シンプル」「モジュール式」「拡張性」などの特徴があります。

より高いレベルでより直感的な一連の抽象化を提供されているため、ニューラルネットワーク設計を容易に行えます。

■経緯

・2015年 初版リリース

サポート企業/団体

Kerasは、多くの企業によりサポートされています。
・Google
・Microsoft
・Amazon
・NVIDIA
・Uber
・Apple など

■ユースケース

・迅速なプロトタイプ作成
・CNN+RNNの組み合わせをサポート
・CPUとGPU上でシームレスな動作 など

主な特徴

■高水準ニューラルネットワークライブラリ

概要

Kerasは複数のバックエンドエンジンをサポートしているため、1つのエコシステムに縛られることはありません。

組み込みレイヤーのみで構成されるKerasモデルは、全てのバックエンド間で移植できます。

対応バックエンドライブラリ

Kerasは以下のバックエンドをサポートします。
・TensorFlow---Google
・Microsoft Cognitive Toolkit---Microsoft
・Theano

デフォルトはTensorFlow

Kerasは、TensorFlowをデフォルトのテンソル計算ライブラリとしています。

設定により、他のライブラリに切り替えできます。

■ユーザーフレンドリー

Kerasは、機械ではなく人間のために設計されており、ユーザーアクションを最小限に抑えるために、認知的負荷を軽減するためのベストプラクティスに従っています。

■モジュール性

モデルは、独立したモジュールになっており、できるだけ制約の少ない接続が可能です。

■拡張性

Kerasは新しいモジュール(クラス/関数など)を容易に作成でき、簡単に追加できる拡張性に優れています。

■Keras functional API

Kerasのfunctional APIを利用して、さまざまなモデルに対応できます。
・全結合ネットワーク
・多入力多出力モデル
・共有レイヤー
・Inceptionモデル
・Residual networksモデル
・Shared visionモデル
・Visual question answeringモデル など

■対応ハードウェアプラットフォーム

KerasモデルはCPUで学習できますが、以下のGPU環境にも対応します。
・NVIDIA GPU
・Google TPU---Google Cloud経由
・OpenGL対応のAMDGPU など

■マルチGPU/分散学習

Kerasは、GPUクラスタ上での学習モデル分散学習に対応しています。

■モデルデプロイ

Kerasのモデルは、以下の環境にデプロイできます。
・iOS
・Android
・ブラウザ
・Google Cloud
・Python用Webアプリケーションバックエンド
・JVM
・Raspberry Pi など

補足情報

■同様製品

同様な機能を提供する製品として、次のようなものがあります。

オープンソース製品:「​Chainer」「TensorFlow」など。

■オフィシャルサイト

オフィシャルサイト

→Keras(Keras Documentation)

ライセンス情報

Kerasのライセンスは「MIT License」です。

詳細について、こちらを参照ください。
→GitHub →keras/LICENSE

ダウンロード

→Keras →Home →インストール

 

参考元サイト

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。

Keras最新TOPICS

最新情報はありません。

Keras最新CLOSEUPコラム

無料資料プレゼント

機械学習導入にあたって理解したい4つのステップ

講演資料を見るには、 プライバシーポリシーに同意して、送付先メールアドレスをご入力しご請求ください。

またご入力いただきました情報は、当該資料の作成・提供企業とも共有させていただき、当社及び各社のサービス、製品、セミナー、イベントなどのご案内に使用させていただきます。

本資料を見るには次の画面でアンケートに回答していただく必要があります。



  • オープソース書籍(サイド)
  • OSSNEWSに広告を掲載しませんか?

facebook

twitter