Keras正式從TensorFlow分離：結束API混亂與耗時編譯
對于深度學習領域的從業者而言，Keras 肯定不陌生，它是深度學習的主流框架之一。2015 年 3 月 27 日，谷歌軟件工程師、Keras 之父 Francois Chollet 在其 GitHub 上提交并公布了 Keras 的首個版本。作為使用純 Python 編寫的深度學習框架，Keras 的代碼更加簡單方便，適用于初學者。此外，Keras 具有很強的易擴展性，能夠直觀地定義神經網絡，函數式 API 的使用令用戶可以將層定義為函數。
Keras 官網地址：https://keras.io/
為了訓練自定義神經網絡，Keras 需要一個后端，在 v1.1.0 版本之前，Keras 的默認后端都是 Theano。2015 年 11 月 9 日，谷歌發布了 TensorFlow。Keras 開始支持 TensorFlow 作為后端。漸漸地，TensorFlow 成為最受歡迎的后端，并從 Keras v1.1.0 發行版開始成為它的默認后端。tf.keras 正是在 TensorFlow v1.10.0 中引入的，這是將 Keras 直接集成到 TensorFlow 包中的第一步。
當谷歌在 2019 年 6 月發布 TensorFlow 2.0 時，他們宣布 Keras 成為 TensorFlow 的官方高級 API。并且，在 Keras 2.3.0 版本發布時，Francois 表示這是 Keras 首個與 tf.keras 同步的版本，也是 Keras 支持 Theano 等多個后端的最終版本。所有深度學習從業者都應將其代碼轉換成 TensorFlow 2.0 和 tf.keras 軟件包。這意味著二者的合并，但看似雙贏的決定，很多開發者卻不買賬。API 的混亂與割裂不僅令開發者不知所措，也加大了開發者尋找教程的難度。
是時候做出改變了！近日，Keras 之父 Francois Chollet 在其推特宣布一項重要決定：他們已經將 Keras 的代碼從 TensorFlow 代碼庫中分離出來，移回到了自己的 repo。
對于 Keras 從 TensorFlow 分離后有哪些好處？Francois 表示：「這將提升開源貢獻者的開發體驗。對于用戶而言，這將使他們可以在本地運行測試，不再需要編譯 TF 來測試 Keras 了，并且還將改善 CI 時間。」
Keras 正式從 TensorFlow 代碼庫中分離
此次 Keras 分離過程的負責人是谷歌高級軟件工程師 Scott Zhu，他代表 Keras 團隊向所有 Keras 用戶發表了公開聲明，解釋了 Keras 從 TensorFlow 代碼庫中分離出來的緣由以及分離后為用戶帶來的諸多便利之處。
開發團隊花費了很多精力使 TensorFlow 更加模塊化，并優化了 Keras 和 TensorFlow 之間的依賴關系。最終 Keras 從 TensorFlow 代碼庫中分離出來，并擁有了自己獨立的代碼庫。這使 Keras 能夠使用 Tensorflow Python API 作為 PIP 包依賴項，且無需在構建和測試時編譯 TensorFlow。因此現在在本地運行 Keras Bazel 測試只需要幾分鐘，而不是幾小時。
變更之后，當前 TensorFlow 代碼庫中的 Keras 部分將很快被刪除。這意味著：
1. Keras 開源代碼庫的訪問地址將發生變更；
原地址：
https://github.com/tensorflow/tensorflow
新地址：
https://github.com/keras-team/keras
2. 用于代碼庫管理的 git 工具。
3. 任何在先前代碼庫中未解決的 Keras 相關活躍問題將在現有的 ticket 線程中處理，并將通過提交到新代碼庫進行修復；
4. 與原代碼庫相關的陳舊問題將被關閉。如果你認為仍然是有價值的問題，請隨時在新代碼庫中重新打開該問題；
5. 新 Keras 代碼庫在此次變更前未完成的任何 PR/issue 都被認為是陳舊的，將被關閉。
用戶想要提交貢獻，如何做？
用戶在提交自己的代碼以供審查并獲得批準時，必須簽署谷歌個人貢獻者許可協議（CLA），這樣才可以將代碼放入 Keras 代碼庫中。此外，在提交更多的貢獻時，用戶也應首先通過問題跟蹤器（issue tracker）與 Keras 聯系溝通。
包括項目成員在內所有用戶的提交都必須接受審查。為此，Keras 使用 GitHub 拉取請求（pull request, PR），并建議用戶在創建 PR 之前閱讀相關指南。
完成本地更改并通過測試驗證后，用戶可以在 keras-team/keras 項目中打開并發送 PR，之后會經過一系列的測試來驗證它的正確性。一旦 PR 被審查者測試和批準，PR 將被鏡像到谷歌內部存儲庫。一旦合并到 Google 內部存儲庫成功完成，PR 還將被標記為已合并（merged）。這與 Tensorflow OSS 的貢獻流程相同，相關示例如下圖所示：
在做任何更改之前，Keras 團隊建議用于打開 issue，并在上面討論。Keras 也會給予反饋并對用戶提出的更改進行驗證。如果更改很小，如文檔修復中簡單的 bug 修復，則只需打開 PR 無需討論。
與個人用戶不同，企業用戶提交的貢獻需要遵守《谷歌軟件授權與企業貢獻者許可協議》。
開發所需的工具
使用 Keras 開發所需要的工具主要包括如下：
用于創建和測試 Keras 項目的 Bazel 工具和 Python；
用于代碼庫管理的 git 工具。
設置和檢查本地工作區
以蘋果 Mac 電腦（Linux 系統的配置非常相似）為例，使用如下命令設置并檢查本地工作區的配置：
下載 Keras 代碼和設置虛擬環境
Python 虛擬環境是創建獨立環境的強大工具，可以將任何系統級配置的更改隔離開來。因此，Keras 強烈建議避免出現任何意外的依賴或版本問題。
本地運行測試
在本地運行一個測試的代碼如下：
- (venv_dir) scottzhu-macbookpro2:keras scottzhu$ bazel test -c opt keras:backend_test
- WARNING: The following configs were expanded more than once: [v2]. For repeatable flags, repeats are counted twice and may lead to unexpected behavior.
- INFO: Options provided by the client:
- Inherited 'common' options: --isatty=1 --terminal_columns=147
- INFO: Reading rc options for 'test' from /Users/scottzhu/workspace/keras/.bazelrc:
- Inherited 'build' options: --apple_platform_type=macos --define open_source_build=true --define=use_fast_cpp_protos=false --define=tensorflow_enable_mlir_generated_gpu_kernels=0 --define=allow_oversize_protos=true --spawn_strategy=standalone -c opt --announce_rc --define=grpc_no_ares=true --config=short_logs --config=v2
- INFO: Reading rc options for 'test' from /Users/scottzhu/workspace/keras/.bazelrc:
- 'test' options: --define open_source_build=true --define=use_fast_cpp_protos=false --config=v2
- INFO: Found applicable config definition build:short_logs in file /Users/scottzhu/workspace/keras/.bazelrc: --output_filter=DONT_MATCH_ANYTHING
- INFO: Found applicable config definition build:v2 in file /Users/scottzhu/workspace/keras/.bazelrc: --define=tf_api_version=2 --action_env=TF2_BEHAVIOR=1
- INFO: Found applicable config definition build:v2 in file /Users/scottzhu/workspace/keras/.bazelrc: --define=tf_api_version=2 --action_env=TF2_BEHAVIOR=1
- INFO: Analyzed target //keras:backend_test (0 packages loaded, 0 targets configured).
- INFO: Found 1 test target...
- Target //keras:backend_test up-to-date:
- bazel-bin/keras/backend_test
- INFO: Elapsed time: 45.535s, Critical Path: 45.26s
- INFO: 19 processes: 19 local.
- INFO: Build completed successfully, 20 total actions
- //keras:backend_test PASSED in 45.2s
- Stats over 4 runs: max = 45.2s, min = 40.0s, avg = 41.5s, dev = 2.1s
- INFO: Build completed successfully, 20 total actions
最后為大家推薦一篇 Keras 的中文教程，它由 Keras 團隊軟件工程師金海峰翻譯自官網教程，詳細介紹了 Keras 和 TensorFlow 的基本用法和核心概念，并通過變分自編碼器（Variational Autoencoder）和超網絡（Hypernetwork）這兩個完整的例子展示了如何在實踐中使用 Keras。
教程知乎鏈接：
https://zhuanlan.zhihu.com/p/380472423
