Keras 시작하기
- 원본 링크 : https://keras.io/getting_started/
- 최종 확인 : 2024-11-18
학습 리소스
Keras 소개 한 페이지짜리 가이드를 찾고 계신 머신러닝 엔지니어이신가요? 엔지니어를 위한 Keras 소개 가이드를 읽어보세요.
Keras 3와 그 기능에 대해 더 자세히 알고 싶으신가요? Keras 3 출시 발표를 참조하세요.
Keras API의 다양한 부분에 대한 심층적인 사용법을 다루는 자세한 가이드를 찾고 계신가요? Keras 개발자 가이드를 읽어보세요.
다양한 사용 사례에서 Keras가 실제로 작동하는 모습을 보여주는 튜토리얼을 찾고 계신가요? 컴퓨터 비전, 자연어 처리, 생성 AI 분야에서 Keras 모범 사례를 보여주는 150개 이상의 잘 설명된 노트북인 Keras 코드 예제를 참조하세요.
Keras 3 설치
PyPI에서 다음을 통해 Keras를 설치할 수 있습니다:
pip install --upgrade keras다음을 통해 로컬 Keras 버전 번호를 확인할 수 있습니다:
import keras
print(keras.__version__)Keras 3를 사용하려면, 백엔드 프레임워크(JAX, TensorFlow 또는 PyTorch 중 하나 이상)도 설치해야 합니다:
TensorFlow 2.15를 설치한 경우, 이후 Keras 3를 재설치해야 합니다.
그 이유는 tensorflow==2.15가 Keras 설치를 keras==2.15로 덮어쓰기 때문입니다.
TensorFlow 2.16 버전부터는 기본적으로 케라스 3이 설치되므로, 이 단계는 필요하지 않습니다.
KerasCV 및 KerasHub 설치
KerasCV와 KerasHub는 pip를 통해 설치할 수 있습니다:
$ pip install --upgrade keras-cv
$ pip install --upgrade keras-hub
$ pip install --upgrade keras백엔드 구성
환경 변수 KERAS_BACKEND를 export 하거나,
~/.keras/keras.json에서 로컬 구성 파일을 편집하여 백엔드를 구성할 수 있습니다.
사용 가능한 백엔드 옵션은 다음과 같습니다: "jax", "tensorflow", "torch". 예시:
$ export KERAS_BACKEND="jax"Colab에서는 다음과 같이 할 수 있습니다:
import os
os.environ["KERAS_BACKEND"] = "jax"
import keras참고: Keras를 import 하기 전에 백엔드를 구성해야 하며, 패키지를 import 한 후에는 백엔드를 변경할 수 없습니다.
GPU 의존성
Colab 또는 Kaggle
Colab 또는 Kaggle에서 실행하는 경우, GPU가 올바른 CUDA 버전으로 이미 구성되어 있어야 합니다. 일반적으로 Colab 또는 Kaggle에 최신 버전의 CUDA를 설치하는 것은 불가능합니다. pip 인스톨러가 있긴 하지만, 사전 설치된 NVIDIA 드라이버에 의존하며, Colab 또는 Kaggle에서 드라이버를 업데이트할 수 있는 방법이 없습니다.
범용 GPU 환경
모든 백엔드에서 GPU를 사용할 수 있는 “범용 환경"을 만들려면, Colab에서 사용하는 의존성 버전을 따르는 것이 좋습니다. (정확히 이 문제를 해결하고자 하는 페이지입니다.) 당신은 여기에서 CUDA 드라이버를 설치한 다음, 각각의 CUDA 설치 지침에 따라 백엔드를 pip 설치하면 됩니다: JAX 설치, TensorFlow 설치, PyTorch 설치를 참조하세요.
가장 안정적인 GPU 환경
Keras 기여자이며 Keras 테스트를 실행하는 경우 이 설정을 권장합니다. 모든 백엔드를 설치하지만, 한 번에 하나의 백엔드에만 GPU 액세스 권한을 부여하여, 백엔드 간에 잠재적으로 충돌할 수 있는 종속성 요구 사항을 피합니다. 다음 백엔드별 요구 사항 파일을 사용할 수 있습니다:
이들은 pip를 통해 모든 CUDA 지원 종속 요소를 설치합니다. NVIDIA 드라이버가 사전 설치되어 있을 것으로 예상합니다. CUDA 버전 불일치를 방지하기 위해 각 백엔드에 대해 깨끗한 python 환경을 권장합니다. 예를 들어, 다음은 Conda를 사용하여, JAX GPU 환경을 만드는 방법입니다:
$ conda create -y -n keras-jax python=3.10
$ conda activate keras-jax
$ pip install -r requirements-jax-cuda.txt
$ pip install --upgrade kerasTensorFlow + Keras 2 이전 버전과의 호환성
TensorFlow 2.0부터 TensorFlow 2.15(포함)까지,
pip install tensorflow를 실행하면 해당 버전의 Keras 2도 설치됩니다.
(예를 들어, pip install tensorflow==2.14.0은 keras==2.14.0을 설치합니다)
그런 다음, 해당 버전의 Keras는 import keras와 from tensorflow import keras를 통해 사용할 수 있습니다.
(tf.keras 네임스페이스)
TensorFlow 2.16부터는 pip install tensorflow를 실행하면 Keras 3가 설치됩니다.
TensorFlow >= 2.16과 Keras 3를 사용하는 경우,
기본적으로 from tensorflow import keras(tf.keras)는 Keras 3가 됩니다.
한편, 레거시 Keras 2 패키지는 여전히 정기적으로 릴리스되고 있으며,
PyPI에서 tf_keras(또는 tf-keras와 동일 - PyPI 패키지 이름에서 -와 _는 동일합니다)로 사용할 수 있습니다.
이를 사용하려면, pip install tf_keras를 통해 설치한 다음,
import tf_keras as keras를 통해 import 할 수 있습니다.
TensorFlow 2.16 이상으로 업그레이드한 후에도,
tf.keras를 Keras 2에서 계속 사용하려면,
tf.keras가 tf_keras를 가리키도록
TensorFlow 설치를 구성할 수 있습니다. 이렇게 하려면:
tf_keras를 설치합니다. TensorFlow는 기본적으로 설치하지 않습니다.- 환경 변수
TF_USE_LEGACY_KERAS=1을 export 합니다.
환경 변수를 export 방법은 여러 가지가 있습니다:
- Python 인터프리터를 시작하기 전에, shell 명령어
export TF_USE_LEGACY_KERAS=1을 실행합니다. .bashrc파일에export TF_USE_LEGACY_KERAS=1을 추가할 수 있습니다. 이렇게 하면 shell을 다시 시작할 때 변수가 계속 export 됩니다.- Python 스크립트로 시작할 수 있습니다:
import os
os.environ["TF_USE_LEGACY_KERAS"] = "1"이 줄은 import tensorflow 문 앞에 와야 합니다.
호환성 매트릭스
JAX 호환성
다음 Keras + JAX 버전은 서로 호환됩니다:
jax==0.4.20&keras~=3.0
TensorFlow 호환성
다음 Keras + TensorFlow 버전은 서로 호환됩니다:
Keras 2를 사용하려면,
tensorflow~=2.13.0&keras~=2.13.0tensorflow~=2.14.0&keras~=2.14.0tensorflow~=2.15.0&keras~=2.15.0
Keras 3을 사용하려면,
tensorflow~=2.16.1&keras~=3.0
PyTorch 호환성
다음 Keras + PyTorch 버전은 서로 호환됩니다:
torch~=2.1.0&keras~=3.0