► 开发者指南
开发者指南
我们的开发者指南是对特定主题的深入探讨，比如层的子类化、微调或模型保存。 它们是成为 Keras 专家的最佳途径之一。
我们的大多数指南都是作为 Jupyter 笔记本编写的，可以在 Google Colab 中点击运行，
这是一个托管的笔记本环境，无需设置且在云中运行。 Google Colab 包含 GPU 和 TPU 运行时。
可用指南
- 功能性 API
- Sequential 模型
- 通过子类化创建新的层和模型
- 使用内置方法进行训练与评估
- 使用JAX自定义
fit()函数 - 使用 TensorFlow 定制
fit() - 使用PyTorch自定义
fit() - 在JAX中编写自定义训练循环
- 在TensorFlow中编写自定义训练循环
- 在PyTorch中编写自定义训练循环
- 序列化与保存
- 自定义保存和序列化
- 编写您自己的回调函数
- 迁移学习与微调
- 使用JAX进行分布式训练
- 使用 TensorFlow 进行分布式训练
- 使用PyTorch进行分布式训练
- 使用 Keras 3 进行分布式训练
- 迁移Keras 2代码到Keras 3
超参数调优
KerasCV
- 使用 KerasCV 构建目标检测流水线
- 使用 KerasCV 训练强大的图像分类器。
- 使用KerasCV进行CutMix、MixUp和RandAugment图像增强
- 使用KerasCV进行高性能图像生成通过稳定扩散
- 使用 BaseImageAugmentationLayer 进行自定义图像增强
- 使用 KerasCV 进行语义分割
- 在 KerasCV 中分割任何内容