Keras 3：多后端深度学习框架，64k Star

Keras 是深度学习领域知名度很高的高层 API 框架，GitHub 上有 64,082 个 Star。

Keras 3 的核心卖点是多后端支持：同一份代码可以跑 JAX、TensorFlow、PyTorch，另外还支持 OpenVINO 做推理部署。

开发者不需要为某个框架重写模型，切换后端只需改一行环境变量。

为什么选 Keras 3

Keras 的高层抽象让模型搭建和调试都很直接，JAX 或 PyTorch 的 eager execution 模式可以随时查看中间结果。

项目方给出的基准测试显示，根据模型架构不同，选择最快的后端可以获得 20% 到 350% 的性能提升。

从小本机的单 GPU 到大规模 GPU/TPU 集群，Keras 3 都能覆盖。

安装和使用

安装方式和以前一样简单：

pip install keras --upgrade

然后安装你需要的后端，三选一：

pip install tensorflow
pip install jax
pip install torch

配置后端只需要一行命令：

export KERAS_BACKEND="jax"

在 Colab 里也可以直接用 Python 设置：

import os
os.environ["KERAS_BACKEND"] = "jax"
import keras

需要注意：后端必须在 import keras 之前配置好，一旦导入就无法切换。

向后兼容

Keras 3 可以作为 tf.keras 的直接替代品。已有的 tf.keras 代码，只要把 model.save() 改成 .keras 格式就能跑。如果模型没有自定义组件，可以直接在 JAX 或 PyTorch 上运行。有自定义层或 train_step() 的情况，花几分钟改成后端无关的实现就行。

数据加载也不受后端限制，tf.data.Dataset 和 PyTorch DataLoader 都能用。

后端最低版本要求

Keras 3 目前有接近三百万开发者在使用，从初创公司到大型企业都有覆盖。对于不想被单一框架绑定的团队，这个多后端方案值得看看。

Keras 3 目前有接近三百万开发者在使用，从初创公司到大型企业都有覆盖。对于不想被单一框架绑定的团队，这个多后端方案值得看看。