Keras 3: framework deep learning đa backend

Keras 3 là gì?

Keras 3 là một framework deep learning đa backend, chạy cùng một API Python trên nền JAX, TensorFlow, hoặc PyTorch, cộng thêm backend OpenVINO chỉ dùng để suy luận khi triển khai. Các bản Keras trước đây đi kèm sẵn trong TensorFlow dưới dạng tf.keras, gắn chặt với một engine duy nhất; Keras 3 tách API khỏi engine thực thi, để backend trở thành một lựa chọn theo từng dự án, không phải một phụ thuộc cố định.

Tính năng chính của Keras 3

• ✓Chạy nguyên vẹn trên JAX, TensorFlow, hoặc PyTorch — đặt biến KERAS_BACKEND (hoặc sửa ~/.keras/keras.json) trước khi import, cùng một đoạn code model sẽ chạy trên bất kỳ engine nào bạn chọn.
• ✓Layer, model và metric tùy biến viết theo API của Keras có thể đưa thẳng vào một training loop viết tay bằng TF, JAX, hoặc PyTorch thuần.
• ✓Nhận cả pipeline tf.data.Dataset lẫn PyTorch DataLoader làm input, bất kể backend nào đang chạy.
• ✓Có định dạng lưu model .keras, được README nêu là để thay thế đường lưu SavedModel cũ của tf.keras.
• ✓Backend OpenVINO chỉ dùng để suy luận (inference), tách riêng khỏi ba backend có thể huấn luyện.
• ✓Model tf.keras cũ không dùng thành phần tùy biến chạy ngay trên JAX hoặc PyTorch mà không sửa code; model có custom train_step hoặc layer riêng thường cần viết lại ngắn theo hướng backend-agnostic.

Cài đặt Keras 3 và chọn backend

Cài Keras 3 từ PyPI bằng `pip install keras --upgrade`, sau đó thêm một backend: `tensorflow`, `jax`, hoặc `torch`. Backend OpenVINO cài riêng và chỉ phục vụ suy luận, không huấn luyện được. Keras 2 vẫn còn, đóng gói riêng thành `tf-keras`, nếu bạn chưa muốn chuyển. Keras 3 hỗ trợ trực tiếp Linux và macOS; trên Windows, README khuyên dùng WSL2. Phiên bản backend tối thiểu theo bảng tương thích: TensorFlow 2.16.1, JAX 0.4.20, PyTorch 2.1.0, OpenVINO 2026.2.0. Build từ source: cài `requirements.txt`, chạy `python pip_build.py --install` từ thư mục gốc repo, và chạy `./shell/api_gen.sh` nếu PR của bạn đụng tới API public keras_export. Để có GPU, file `requirements.txt` thường chỉ kéo bản CPU — bạn cần file `requirements-{backend}-cuda.txt` riêng cho từng backend, và README khuyên dùng một môi trường riêng cho mỗi backend (ví dụ dùng `conda create -n keras-jax python=3.10`) để tránh xung đột phiên bản CUDA giữa các backend.

Viết code không phụ thuộc backend với Keras 3

Đặt backend trước khi import bất cứ thứ gì: export `KERAS_BACKEND=jax` (hoặc `tensorflow`/`torch`) trong shell, hoặc sửa key backend trong `~/.keras/keras.json`. Trong notebook như Colab, đặt `os.environ["KERAS_BACKEND"]` trước dòng `import keras`. Sau khi import, backend bị khóa cho tiến trình đó. Nếu bạn đang chuyển một dự án tf.keras cũ, README gọi Keras 3 là drop-in replacement trên backend TensorFlow: đổi các lệnh `model.save()` sang định dạng `.keras` là phần còn lại nên chạy y nguyên. Model không có layer hay train_step tùy biến thường chạy ngay trên JAX hoặc PyTorch mà không cần sửa code; model có thành phần tùy biến thường cần viết lại ngắn theo hướng backend-agnostic, và README mô tả việc này thường mất vài phút chứ không phải thiết kế lại toàn bộ. Việc nạp dữ liệu cũng không bị khóa theo backend — cùng một model có thể nhận pipeline tf.data.Dataset hoặc DataLoader của PyTorch, bất kể backend nào trong ba backend huấn luyện đang chạy.

Lựa chọn thay thế cho Keras 3

Câu hỏi thường gặp

Vấn đề mà Keras 3 giải quyết

Một model xây bằng tf.keras chỉ chạy trên engine của TensorFlow, còn model xây bằng PyTorch thuần hoặc Flax/JAX chỉ chạy trên engine đó — nên một team chọn TensorFlow từ đầu rồi sau này muốn tốc độ huấn luyện của JAX, hoặc ngược lại, sẽ phải viết lại phần code xây model, chứ không chỉ script huấn luyện. Keras 3 sinh ra để tách API layer/model khỏi engine thực thi, để việc viết lại đó không còn cần thiết.

Trường hợp sử dụng tốt nhất

• •Chuyển một dự án tf.keras hiện có ra khỏi sự phụ thuộc TensorFlow mà không phải viết lại toàn bộ.
• •Thử nghiệm trên eager execution của PyTorch, rồi chuyển cùng model đó sang JAX để huấn luyện nhanh hơn.
• •Xây một codebase duy nhất cho model vision, NLP, audio, hoặc timeseries mà vẫn cần chạy trên hạ tầng gắn với backend cụ thể.
• •Triển khai model đã huấn luyện chỉ để suy luận qua backend OpenVINO.

Nên dùng — và nên bỏ qua khi nào

Nên thử Keras 3 nếu bạn đã viết code kiểu tf.keras và muốn có lựa chọn huấn luyện trên JAX hoặc PyTorch mà không phải duy trì ba bản định nghĩa model riêng biệt, hoặc nếu bạn đang chọn framework deep learning đầu tiên và muốn hoãn quyết định TensorFlow-hay-PyTorch. Nên bỏ qua nếu team bạn đã có codebase sâu, gắn chặt với PyTorch module thuần hoặc phong cách functional của JAX — lớp trừu tượng layer/model của Keras nằm trên đó và thêm một lớp chuyển đổi bạn có thể không cần. Cũng nên bỏ qua nếu việc cần chỉ là suy luận qua OpenVINO, vì backend đó không huấn luyện được.

Repo liên quan