tf.keras���I���@Keras 3��TensorFlow����Ɨ����A�}���`�o�b�N�G���h�����I�FTensorFlow 2�{Keras�itf.keras�j����

TensorFlow�{Keras�̍ŐV���Ƃ��āAKeras 3.0�̃����[�X�ɔ����ATensorFlow����Ɨ����ATensorFlow 2.16�ȍ~��Keras 3���f�t�H���g�ƂȂ������Ƃɂ‚��ďЉ�܂��B�܂��AKeras 3�iTensorFlow�o�b�N�G���h�j�ł̏�������A����̃f�B�[�v���[�j���O���C�u�����̑I�ѕ��ɂ‚��Ă������������܂��B

» 2024�N05��22�� 05��00�� ���J
[��F���F�C�f�W�^���A�h�o���e�[�W]
uTensorFlow 2{Kerasitf.kerasjṽCfbNX

�A�ږڎ�

�@����4�N���O�ɂȂ�܂����A2020�N5�����u�}���`�o�b�N�G���hKeras�̏I���i���イ����j�Atf.keras�Ɉ�{���v�Ƃ����L���������܂����B���������̌�A�t�̓������N���Ă��܂��B�{�e�ł́A�O��̋L�����t�H���[�A�b�v����ړI�����˂āA�ŐV�̏󋵂����`�����܂��B

�@��������Keras�Ƃ́A���Ƃ��Ƒ��̃t���[�����[�N���o�b�N�G���h�Ƃ��đI�����A���ȒP�ɃR�[�h���������߂̃f�B�[�v���[�j���O���C�u�����̈�‚ł����B������TensorFlow��Theano�ACNTK�Ƃ����������̃t���[�����[�N��I���ł������߁A�}���`�o�b�N�G���h�ƌĂ΂�Ă��܂����B���ꂪ2020�N5���A���̃}���`�o�b�N�G���h������߁ATensorFlow�W���̍�����API�i�ʏ́Ftf.keras�j�Ƃ���TensorFlow�̒��Ɋ��S�Ɏ�荞�܂�܂����B

}1@KerasTensorFlow݁̕F}`obNGhKerastf.kerasAčĂу}`obNGhKeras �}1�@Keras��TensorFlow�̕��݁F�}���`�o�b�N�G���hKeras����tf.keras�A�����čĂу}���`�o�b�N�G���hKeras��

Keras 3.0��TensorFlow����Ɨ�

�@���ꂩ��3�N���2023�N11��28���AKeras 3.0�������[�X����܂����B���̃o�[�W�����ł́A�I�[�v���\�[�X�ł���Keras��GitHub���|�W�g�����ATensorFlow�ɓ����ł́uGitHub�Fkeras-team/tf-keras�v�i2019�`2023�N�j����A�Ɨ��ł́uGitHub�Fkeras-team/keras�v�ɕύX����Ă��܂��B

}2@Keras 3.0̏Љy[WiChromeœ{ɖ|󂵂ĈpBpFhttps://keras.io/keras_3/j �}2�@Keras 3.0�̏Љ�y�[�W�iChrome�œ��{��ɖ|�󂵂Ĉ��p�B���p���Fhttps://keras.io/keras_3/�j

�@TensorFlow����Ɨ������������ŁAKeras 3�ł̓}���`�o�b�N�G���h�@�\���������܂����B�o�b�N�G���h�̑I�������AJAX�ATensorFlow�APyTorch�Ƃ����ŐV�̃f�B�[�v���[�j���O���C�u���������p�”\�ɂȂ��Ă��܂��B

�@�ŏ��ɋ������Ă���JAX�́ANumPy���C�N�̍����ȃ��C�u�����ŁAGoogle DeepMind�Ŏg���Ă��邱���ŗL���ł��BJAX�́A�჌�x���ōׂ����������”\�Ȃ��߁A�����Ҍ����ł��B�ŋ߂�Google�̌����ł́A���̃��C�u�����������g���Ă���Ɨ\�z����܂��B

�@���ɋ������Ă���TensorFlow�o�b�N�G���h�ɂ��A������tf.keras���[�U�[�͈��������A������API�Ƃ���Keras�𗘗p�ł��܂��BTensorFlow�͌�������ł�PyTorch�ɃV�F�A��D���Ă��܂����ATensorFlow Lite���g���G�b�W�f�o�C�X�����Ȃǂ̃r�W�l�X����ł͈ˑR�Ƃ��č̗p����Ă���AAI�̊J���Ƃ��������^�p�̖ʂŐ����c���Ă����”\���������ƕM�҂͍l���Ă��܂��B

�@�Ō�ɋ������Ă���PyTorch�́A�l�C�̃f�B�[�v���[�j���O���C�u�������J�o�[���Ă��������Ƃ������Ƃł��傤�B�Ƃ͂����APyTorch�ɂ�Sequential�N���X���g���āAKeras�œ����I������Sequential�i�ϑw�^�j���f���̏������Ɠ����悤�ɏ����܂��B����āAKeras�o�R��PyTorch���g�������b�g�͂����܂ō����Ȃ����낤�A�Ƃ����̂��M�҂̊��z�ł��B

�@�M�҂̈ӌ��Ƃ��ẮA�V����Keras 3�ȍ~���g�������ꍇ�A�X�s�[�h��D�悷��Ȃ�JAX�o�b�N�G���h���A���萫��D�悷��Ȃ�TensorFlow�o�b�N�G���h��I������Ƃ悢�ł��傤�B

TensorFlow 2.16�ȍ~�ł�Keras 3���f�t�H���g��

�@����ɂ��ꂩ���4�J�����2024�N3��8���AKeras 3���f�t�H���g�̍�����API�Ƃ���TensorFlow 2.16�������[�X����܂����B���̃^�C�~���O�ŁATensorFlow�ɂ�tf.keras����������Ȃ��Ȃ�܂����B

}3@TensorFlow 2.16̏Љy[WiChromeœ{ɖ|󂵂ĈpBpFhttps://blog.tensorflow.org/2024/03/whats-new-in-tensorflow-216.htmlj �}3�@TensorFlow 2.16�̏Љ�y�[�W�iChrome�œ��{��ɖ|�󂵂Ĉ��p�B���p���Fhttps://blog.tensorflow.org/2024/03/whats-new-in-tensorflow-216.html�j

�@����ɁATensorFlow�̈ˑ��p�b�P�[�W�Ƃ��āATensorFlow�̃C���X�g�[���Ɠ�����Keras 3���C���X�g�[�������悤�ɂȂ��Ă��܂��B�‚܂�A��������Ă��Ȃ��Ă��AKeras��TensorFlow�W���̍�����API�ł��葱���邱�Ƃ͕ς��܂���B

�@�������Atf.keras�iKeras 2�j���g��������K�v������l�̂��߂̋~�ϑ[�u���p�ӂ���Ă��܂��B��̓I�ɂ́Apip install tf-keras~=2.16�Ƃ����V�F���R�}���h�ŁAtf.keras���C���X�g�[���ł��܂��B�܂��A�‹��ϐ��Ƃ���TF_USE_LEGACY_KERAS=1���w�肷�邱�ƂŁAKeras 3�̑����Keras 2�i�]����tf.keras�j���g����悤�ɐ؂�ւ��܂��B

�@���Ȃ݂ɁA���������~�ϑ[�u������̂ŁA�{�e�̃^�C�g���ɂ���u�I���v�͌����߂���������܂���B�������A�����I�Ɍ��Ă����߂ł���g�����ł͂Ȃ��̂ŁA�u�I���v�Ƃ����������t�Ŏ��m���邱�Ƃɂ��܂����B

TensorFlow��Keras 3�͂ǂ������H

�@�ȑO��tf.keras�ł́A���X�g1�̂悤��TensorFlow���C���|�[�g������A������tf.keras.�c�c�Ƃ������R�[�h�������̂���ʓI�ł����B

import tensorflow as tf

model = tf.keras.models.Sequential()

���X�g1�@TensorFlow�ł́uKeras 2�v�̈�ʓI�Ȏg�����i�M�҂̌����j

�@����tf.keras.�c�c�Ƃ����������́ATensorFlow 2.16�ȍ~�ł��L���ł��邽�߁A�����̃R�[�h���C������K�v�͂���܂���B�܂��Aimport tensorflow.keras as keras�Ƃ��������������l�ɗL���ł��B

�@�������AKeras��TensorFlow�ɓ����Ă���킯�ł��Ȃ��̂ɁAtf.keras.�c�c��tensorflow.keras�Ƃ����������͕s���R�ł͂Ȃ��ł��傤���B����č���́A���X�g2�̂悤��Keras�ŕW���I�ȏ������ɕς��Ă����̂��D�܂����Ǝv���܂��B

import keras

model = keras.models.Sequential()

���X�g2�@TensorFlow���܂߂Ă�����t���[�����[�N�ł́uKeras 3�v�̈�ʓI�Ȏg�����i�M�҂̌����j

�@�������A����͂����܂ŕM�҂̌����ɂ����܂���̂ŁA���̓_�ɂ����ӂ��������B���M���_�i2024�N5��17���j�ł������́uTensorFlow 2�`���[�g���A���v�ł́A���X�g1�̂悤��tf.keras.�c�c�Ƃ����������̂܂܂ɂȂ��Ă��܂��B

�@�Ȃ��AKeras�̓}���`�o�b�N�G���h�ɂȂ��Ă���̂ŁAJAX�^TensorFlow�^PyTorch�̕������C���X�g�[���ς݂̏ꍇ�́A���X�g2�̃R�[�h�������O�ɁA�‹��ϐ��Ƃ���KERAS_BACKEND="tensorflow"�i��������"jax"��"torch"�j���w�肷��K�v������܂��B�܂��́A���[�J���‹��̍\���t�@�C���i~/.keras/keras.json�j�Ɉꊇ�Ŏw�肷�邱�Ƃ��ł��܂��B���X�g3�̂悤��Python�R�[�h�Ŏ��O�Ɋ‹��ϐ����Z�b�g���Ă�OK�ł��B

import os
os.environ["KERAS_BACKEND"] = 'tensorflow'

print(keras.backend.backend())
# �o�͗�F 'tensorflow'

���X�g3�@���O�Ɋ‹��ϐ����Z�b�g����Python�R�[�h�̗�

�@�ȏオ���񂨓`�����Ă��������������e�ł��B�Ō�ɁAKeras 3��f�B�[�v���[�j���O�̃��C�u�����ɂ‚��āA���Ȃ�̈ӌ��⊴�z�������Ă����܂��B

Keras 3��f�B�[�v���[�j���O�̃��C�u�����ɂ‚��Ă̎���

�@�{�e�̘A�ږ��Ƃ��ċL�ڂ��Ă����wTensorFlow 2�{Keras�itf.keras�j����x�Ƃ����\���́A���͂�Â��Ȃ��Ă��܂��܂����B�Ȃ̂ŁA�wKeras 3�iTensorFlow�o�b�N�G���h�j����x�Ƃ����A�ږ��ɕς��āA�e��̃R�[�h��import tensorflow as tf; tf.keras����import keras�ɕς��Ă����K�v���������Ă��܂��B���̍�Ɨʂ͑����Ȃ肻���Ȃ̂ŁA�����ɂ͂ł��܂��񂪁A������C�����Ă����‚���ł��B

�@���̗Ⴉ���������悤�ɁATensorFlow��Keras�́A�傫�ȑS�̕��j��p�ɂɕύX���Ă���A���[�U�[���炷��Ɓu�t���Ă����Ȃ��v�Ɗ����邱�Ƃ������ł��BKeras�̍���̕ύX���A�V�K���[�U�[�̎�荞�݈ȏ�ɁA�u�������[�U�[��Keras����v�Ƃ����}�C�i�X�̉e���𐶂މ”\��������̂ł͂Ȃ����Ǝv���Ă��܂��B

�@�܂��APyTorch���܂߂ăf�B�[�v���[�j���O�̃��C�u�������̂��A�ŋ߂͂��܂�b��ɂȂ��Ă��܂���BPyTorch�ɂ͓��{�ő傫�ȃ��[�U�[�R�~���j�e�B�[�͂‚��ɂł��Ȃ������ƕM�҂͔F�����Ă��܂����ATensorFlow�̓��{���[�U�[�R�~���j�e�B�[�ł���TFUG�iTensorFlow User Group Tokyo�j���R���i�Јȍ~�͊���������܂���B����AI�̑䓪������ɒǂ��ł����������ƕM�҂͍l���Ă��܂��B���̂悤�ȃ��[�U�[�R�~���j�e�B�[�̏󋵂͓��{�����łȂ��A���E�S�̂ł������ł��i���M�Ғ��ׁj�B

�@�����TensorFlow�ɂ́A�uTensorFlow�f�x���b�p�[�F�莑�i�v�Ƃ������i���x������܂������A2024�N5������A�‚܂�ŋ߁A�I�����Ă��܂��܂����B

�@�����������󋵂𓥂܂���ƁA���S�Ҍ�����Keras�Ŋw�ԂƂ����P�[�X�͑傢�ɂ��蓾��Ǝv���܂����AKeras 3�Ń��[�U�[�V�F�A��L�΂��̂͂��Ȃ����ƕM�҂͗\�z���Ă��܂��B���������l����ƁA�f�B�[�v���[�j���O�̏��S�҂��wPyTorch����x�i������̘A�ڂ��ŐV�o�[�W��������\��j����w�юn�߂�̂��悢�Ǝv���܂��B�Ő�[�̌����҂Ȃ�AJAX���L�͂ȑI�������Ǝv���܂��B

uTensorFlow 2{Kerasitf.kerasjṽCfbNX

�uTensorFlow 2�{Keras�itf.keras�j�����v

Copyright© Digital Advantage Corp. All Rights Reserved.

'; this.insertTarget = document.querySelector('#cmsBody .subscription') || document.querySelector('#cmsBody .inner'); }; BodyAdIMSWithCCE.prototype = Object.create(BodyAdContent.prototype); BodyAdIMSWithCCE.prototype.activate = function () { refreshGam('InArtSpecialLink'); } // global reference window.itm = itm; //entry point BodyAdEventBase.polyfill(); const bodyAdManager = BodyAdManager.getInstance(); bodyAdManager.addEventListener(BodyAdManager.EVENTS.READY, function (ev) { bodyAdManager.loadAdvertise(); }); bodyAdManager.init(); })();
�X�|���T�[����̂��m�点PR

���ڂ̃e�[�}

Microsoft  WindowsőO2025
AI for GWjAO
[R[h^m[R[h Zg by IT - ITGWjArWlX̒SŊ􂷂gD
Cloud Native Central by IT - XP[uȔ\͂gD
�V�X�e���J���m�E�n�E �y�����i�r�zPR
���Ȃ��ɂ������߂̋L��PR

RSS�ɂ‚���

�A�C�e�B���f�B�AID�ɂ‚���

���[���}�K�W���o�^

��IT�̃��[���}�K�W���́A �������A���ׂĖ����ł��B���Ѓ��[���}�K�W�������w�ǂ��������B