核心API组件

相关源文件

• README.md
• api_gen.py
• keras/__init__.py
• keras/api/__init__.py
• keras/api/_tf_keras/keras/__init__.py
• keras/src/backend/common/remat.py
• keras/src/backend/common/remat_test.py
• requirements-common.txt

本文详细介绍了 Keras API 的主要组件，阐述了构成 Keras 深度学习框架的基础类和接口。有关 API 如何生成的信息，请参阅API 生成。

概述

核心 API 组件是 Keras 高级、用户友好型接口的基本构建块，同时保持后端无关的操作。它们使用户能够在不同后端（TensorFlow、JAX、PyTorch、NumPy 和 OpenVINO）之间一致地构建、训练和部署深度学习模型。

来源：keras/__init__.py1-80 keras/api/__init__.py1-60 README.md1-124

核心组件和类

Keras API 由多个核心组件组成，每个组件都为构建和训练深度学习模型提供了关键功能。

模型

模型是高级容器，用于定义神经网络的架构、输入和输出。

关键类

• Model：所有 Keras 模型的基础类，支持编译、训练、评估和推理。
• Sequential：一种特殊类型的模型，用于具有单个输入和输出的线性层堆栈。

模型处理的操作包括：

• 定义网络架构
• 使用 .fit() 进行训练
• 使用 .evaluate() 进行评估
• 通过 .predict() 进行预测
• 使用 .save() 和 keras.saving.load_model() 进行保存和加载

来源：keras/api/__init__.py52-53

层数

层是 Keras 中神经网络的基本构建块，封装了权重、计算和状态。

关键类

• Layer：所有层的基类，处理权重、计算和形状。
• Input：用于创建模型输入的特殊层。
• InputSpec：输入形状的规范，用于验证输入。

层可以是：

• 核心层（Dense、Conv2D 等）
• 预处理层（TextVectorization、Normalization 等）
• 用户自定义层

每个层都实现了一个 call() 方法，执行前向计算并可选地跟踪反向传播的变量。

来源：keras/api/__init__.py48-50

操作

操作是后端无关的函数，驱动 Keras 在不同框架上的计算。

关键类

• Operation：后端无关操作的基类。
• Function：用于创建可调用图函数的 Keras 函数类。

操作被组织成模块：

• keras.ops.numpy：兼容 NumPy 的操作
• keras.ops.nn：神经网络操作

操作有两种执行模式：

1. 符号模式：在模型构建期间使用，返回 KerasTensor 对象
2. 即时执行模式：在执行期间使用，返回具体值

来源：keras/api/__init__.py54-55

训练组件

支持模型训练、评估和性能测量的组件。

关键类

• Loss：用于优化模型的损失函数基类。
• Metric：用于评估模型性能的指标基类。
• Optimizer：更新模型权重的优化器基类。

这些组件在模型训练过程中协同工作：

• 损失函数计算预测值与目标值之间的误差
• 优化器更新权重以最小化损失
• 指标在训练和评估期间跟踪性能指标

来源：keras/api/__init__.py50-51 keras/api/__init__.py56

张量表示

在 Keras 框架内表示张量和变量的类。

关键类

• KerasTensor：在模型构建期间使用的符号张量表示。
• Variable：保存张量值的可训练参数对象。

来源：keras/api/__init__.py37 keras/api/__init__.py36

内存管理

用于在模型训练期间优化内存使用的组件。

关键类

• RematScope：用于启用重计算（梯度检查点）的上下文管理器。

重计算通过在反向传播期间重新计算中间激活而不是存储它们，从而以计算换取内存，这对于在内存限制内训练大型模型特别有用。

来源：keras/src/backend/common/remat.py8-186 keras/src/backend/common/remat_test.py13-118

自定义组件

允许自定义模型行为的组件。

关键类

• Initializer：权重初始化器的基类。
• Regularizer：权重正则化器的基类。
• Quantizer：权重量化的基类。

这些组件支持模型训练和部署的自定义：

• 初始化器控制层权重的初始化方式
• 正则化器对权重施加惩罚以防止过拟合
• 量化器减小模型大小和计算需求

来源：keras/api/__init__.py46 keras/api/__init__.py58 keras/api/__init__.py57

执行控制

控制 Keras 操作执行行为的组件。

关键类

• StatelessScope：用于无状态（确定性）执行的上下文管理器。
• SymbolicScope：用于符号执行的上下文管理器。

这些作用域修改了操作的执行方式：

• StatelessScope 确保操作产生确定性结果
• SymbolicScope 强制使用符号执行模式

来源：keras/api/__init__.py42-43

模块结构

Keras API 被组织成模块，将相关功能进行分组：

模块	描述	关键组件
keras.models	模型定义	Model、Sequential
keras.layers	层定义	核心层、卷积层等。
keras.losses	损失函数	Loss，以及像 BinaryCrossentropy 这样的预定义损失函数
keras.metrics	性能指标	Metric，以及像 Accuracy 这样的预定义指标
keras.optimizers	优化算法	Optimizer，以及像 Adam 这样的实现
keras.callbacks	训练回调	Callback，以及像 EarlyStopping 这样的实现
keras.preprocessing	数据预处理	预处理层、图像预处理
keras.applications	预训练模型	像 ResNet、VGG 这样的模型
keras.ops	后端操作	神经网络和兼容 NumPy 的操作
keras.backend	后端接口	后端特定功能和配置
keras.saving	模型序列化	用于保存和加载模型的功能
keras.utils	实用函数	各种任务的辅助函数

来源：keras/__init__.py1-80 keras/api/__init__.py7-35

API生成

Keras API 是使用 api_gen.py 从源代码自动生成的。这确保了公共 API 的一致性，同时保持了清晰的内部实现。API 组织在 keras/api/ 目录中，每个模块都有自己的文件或子目录。

有关 API 如何生成的更多详细信息，请参阅API 生成。

来源：api_gen.py1-202