케라스 웹페이지(https://keras.io/)가 100% 리뉴얼 되었습니다. 엔지니어와 연구자를 구분하여 맞춤형 가이드를 제공하고 다양하고 실용적인 예제가 구글 코랩과 함께 제공되어 클릭 한번으로 실습이 가능합니다. 케라스 튜너, 오토케라스 등 흩어져 있던 케라스 에코시스템도 공식 홈페이지에서 정리되어서 소개되고 있으니 딥러닝을 사랑하는 사람들에겐 종합선물세트이네요. 유튜브가 편하신 분들을 위해서 케라스 공식 웹사이트를 살펴보는 동영상을 찍었으니 함께 보셔요. 구독도 해주세요~ ㅎㅎ

img

대문 살펴보기

가장 처음에 “간단하고 유연하고 강력하다”라고 쓰여져 있네요. 개인적으로 상투적인 표현을 좋아하진 않지만 케라스를 3단어로 표현하라면 딱 이거다 싶네요. 대문에서는 입구 버튼이 세가지만 표시되어 있지만 하위 메뉴는 더 많이 있습니다. 각각에 대해서는 조금 있다가 살펴보도록 하죠.

  • About Keras (케라스란?)
  • Getting started (시작하기)
  • Developer guides (개발자 가이드)
  • Keras API reference (케라스 API 레퍼런스)
  • Code examples (코드 예제)
  • Why choose Keras? (왜 케라스를 선택하는가?)
  • Community & governance (커뮤니티와 거버넌스)
  • Contributing to Keras (케라스에 기여하는 법)

대문에 가장 먼저 보이는 건 케라스 코드입니다. 이 몇 줄 안되는 코드가 비디오 QA 딥러닝 모델이군요. 즉 비디오와 관련된 질문을 입력하면 답을 알려주는 모델입니다. 비디오라는 것이 이미지에다 시간 차원이 더 들어가 있고, 질문이라는 것도 텍스트를 다뤄야 하는 부분이라 꽤나 복잡한 구성인데도 케라스로 구현하면 이렇게나 간단해집니다. 비디오 QA에 대해서 좀 더 보시려면 » 케라스와 텐서플로우와의 통합

img

그리고 “사람을 위한 딥러닝”이라고 의미심장한 인트로 문장이 나오네요. 케라스의 단점이 문서화가 빈약하다는 것이었는데, 지금은 광범위한 문서와 개발자 가이드를 가지고 있다고 자부하네요. 예전에 제가 작성했던 케라스의 단점에 대해서 궁금하시다면 » 케라스 단점

이 밖에 대문에 적힌 문장들을 요약해봤습니다.

  • 캐글의 5대 우승팀을 봤을 때 딥러닝 프레임워크 중 케라스가 가장 사용많이 한다네요. 그 이유는 새로운 실험을 쉽게 할 수 있기 때문에 더 많은 아이디어에 대한 시도를 해볼 수 있답니다.
  • TensorFlow 2.0 위에서 케라스는 대규모 GPU 클러스터나 전체 TPU pod 클러스터로 확장할 수 있답니다. 이게 가능한 것도 신기하지만 게다가 쉽다는…
  • 자바스크립트로 브라우저 상에서 바로 실행이 가능하고, TF Lite로 배포하여 iOS, Android 및 임베디드 장치에서 실행할 수 있습니다. 게다가 웹 API를 통해 케라스 모델을 서비스하는 것도 아주 쉽답니다.
  • 케라스는 데이터 관리부터 배포까지 머신러닝 워크플로우의 각 스텝을 관장하면서 TensorFlow 2.0 생태계의 중앙 역할을 한답니다.
  • 연구란 많은 실험이 필요하죠. 쉽고 빠르게 실험하기 위해서 CERN, NASA, NIH, LHC 등 많은 연구기관에서 케라스를 사용한답니다.
  • 딥러닝을 배우는 가장 좋은 방법으로 많은 대학 과정에서 케라스를 선택했답니다.

About Keras (케라스란?)

img

  • 엔진을 텐서플로우 2.0을 사용함과 동시에 강력한 호환을 강조하면서 GPU/TPU 사용, 대규모 병렬분산 시스템 사용, 다양한 기기에 배포 가능합니다.
  • 케라스의 핵심 구조는 레이어(layers)와 모델(models)인데, 그냥 쌓아올 릴 것면 Sequential 모델을, 복잡한 구조를 사용할 거면 Functional API, 임의의 구조로 짜려면 Subclassing 방법을 지원합니다.
  • 그 밖에 설치 방법 및 케라스의 의미에 대해서 언급합니다. 케라스 의미에 대해서 궁금하시다면 » 케라스 이야기

Getting started (시작하기)

img

서브로 열러는 메뉴를 보니깐 너무나 두근 거리네요. 요약해봅니다.

  • 엔지니어를 위한 케라스
    • 모델을 학습하기 전에 데이터를 준비하는 방법에 대해서 설명합니다.
    • 정규화나 자연어 처리 같은 전처리 방법에 대해서 설명합니다.
    • 학습 과정을 살펴볼 수 있는 방법과 평가하는 방법 그리고 신규 데이터로 부터 사용하는 방법을 배웁니다.
    • GAN 모델 같이 툭수하게 학습시키는 법을 배웁니다.
    • 멀티 GPU 상에서 학습시키는 법을 배웁니다.
    • 하이퍼파라미터 튜닝을 통해 모델을 개선시키는 법을 배웁니다.
  • 연구자를 위한 케라스
    • 자신만의 레이어를 만드는 법을 배웁니다.
    • 로우레벨에서의 학습 제어를 하는 법을 배웁니다.
    • 손실이나 평가를 학습 과정에서 추적하는 법을 배웁니다.
    • 실행 속도를 향상 시키는 법으 배웁니다.
  • 케라스 에코시스템
  • 배움터 : 관련 도서, MOOCs, 웹사이트 등이 소개되어 있습니다.
  • 자주 묻는 질문 : 평소 궁금했던 부분들이 사이다처럼 정리되어 있네요. 꼭 한 번 살펴보세요.
    • General questions
    • Training-related questions
    • Modeling-related questions

Developer guides (개발자 가이드)

img

레이어 서브클래싱, 파인 튜닝, 모델 저장 등등 케라스 전문가가 되기 위한 다양한 주제를 포함하고 있습니다. 각 페이지에는 구글 코랩과 연동이 되어 있어서 클릭 한 번으로 실습 환경이 제공되네요. 구글 코랩이 궁금하다면 » 코랩 시작하기

Keras API reference (케라스 API 레퍼런스)

img

  • Models API : 모델, 학습 및 저장에 관련된 API
  • Layers API : 코어 및 다양한 레이어 API
  • Callbacks API : 학습 과정을 모니터링하거나 제어할 수 있는 다양한 콜백함수 API
  • Data preprocessing : 이미지, 시계열, 텍스트를 위한 전처리 API
    • Image data preprocessing
    • Timeseries data preprocessing
    • Text data preprocessing
  • Optimizers
  • Metrics : 다양한 태스크에 대한 평가 API
  • Losses
  • Built-in small datasets
    • 이미지 : MNIST, CIFAR10, CIFAR100, Fashion MNIST
    • 텍스트 : IMDB movie review, Reuters newswire
    • 수치 : Boston Housing price
  • Keras Applications : Xception, EfficientNet 등 다양한 모델
  • Utilities: 유용한 부가 기능들
    • Model plotting utilities
    • Serialization utilities
    • Python & NumPy utilities
    • Backend utilities

Code examples (코드 예제)

img

모든 예제가 400줄 이하로 간단 명료하게 되어 있다고 하네요. 게다가 구글 코랩으로 되어 있어 클릭한 번으로 실습도 가능합니다. 하루에 한 예제 어떠신지요?

  • Computer Vision
    • Grad-CAM class activation visualization
    • Image classification from scratch
    • Image segmentation with a U-Net-like architecture
    • Simple MNIST convnet
    • Next-frame prediction with Conv-LSTM
  • Natural language processing
    • Bidirectional LSTM on IMDB
    • Using pre-trained word embeddings
    • Character-level recurrent sequence-to-sequence model
    • Sequence to sequence learning for performing number addition
    • Text classification from scratch
  • Structured Data
    • Imbalanced classification: credit card fraud detection
  • Generative Deep Learning
    • Character-level text generation with LSTM
    • GAN overriding Model.train_step
    • Deep Dream
    • Variational AutoEncoder
    • Neural style transfer
  • Quick Keras recipes
    • Endpoint layer pattern
    • A Quasi-SVM in Keras
    • Simple custom layer example: Antirectifier

Why choose Keras? (왜 케라스를 선택하는가?)

img

케라스를 선택해야 하는 이유에 대해서 하나 하나 설명합니다. 저는 개인적으로 이름이 제일 마음에 듭니다.

Community & governance (커뮤니티와 거버넌스)

img

케라스 운영진과 그들의 철학을 살펴볼 수 있습니다. 다양한 채널을 통해서 소통하고 있으니 케라스와 함께 성장하고 싶다면 참여하십시요~

Contributing to Keras (케라스에 기여하는 법)

img

케라스 오픈소스에 기여하는 법에 대해서 설명합니다. 기여 자체도 의미가 깊지만 기여하는 과정에서도 많은 걸 배울 수 있답니다. 여러가지 방법으로 기여할 수 있으니 한 번 살펴보시기 바랍니다.

  • Bug reporting
  • Requesting a Feature
  • Proposing a design for a new API
  • Submitting a Pull Request
  • Adding new examples

마무리

이상으로 간단하게 리뉴얼된 케라스 홈페이지를 살펴봤습니다. 체계적인 문서 구조와 방대한 팁들, 모든 예제들이 구글 코랩으로 되어 있어 바로 실습해볼 수 있어 딥러닝 입문하기에 너무나 좋은 프레임워크로 거듭나고 있는 것 같습니다. 앞으로도 케라스 많이 관심가져주세요~

함께보기

AIFactory

케라스 코리아 커뮤니티

캐글 코리아 커뮤니티

MLOps KR 커뮤니티