» 시작하기 / 케라스 생태계

케라스 생태계

케라스 프로젝트는 신경망을 만들고 훈련하는 케라스의 핵심 API에 국한되지 않습니다. 다양한 프로젝트들이 머신러닝 워크플로의 모든 단계를 커버하고 있습니다.


케라스 튜너

케라스 튜너 문서 - 케라스 튜너 깃허브 저장소

케라스 튜너(Tuner)는 번거로운 하이퍼파라미터 탐색 문제를 해결해 주며 사용하기 쉽고 확장이 용이한 하이퍼파라미터 최적화 프레임워크입니다. 실행 기반 정의(define-by-run) 방식으로 탐색 공간을 쉽게 설정하고 탐색 알고리즘 중 하나를 선택하여 모델에 맞는 최적의 하이퍼파라미터를 찾습니다. 케라스 튜너는 베이지안 최적화(Bayesian Optimization), 하이퍼밴드(Hyperband), 랜덤 탐색 알고리즘을 기본으로 제공합니다. 또한 연구자가 새로운 탐색 알고리즘을 실험하기 위해서 쉽게 확장할 수 있도록 설계되었습니다.


오토케라스

오토케라스 문서 - 오토케라스 깃허브 저장소

오토케라스(AutoKeras)는 케라스 기반의 AutoML 시스템입니다. 텍사스 A&M 대학교의 데이터 랩(DATA Lab)에서 개발했습니다. 오토케라스의 목표는 모든 사람이 쉽게 머신러닝을 사용하도록 만드는 것입니다. ImageClassifier이나 TextClassifier와 같은 고수준 엔드-투-엔드 API를 제공하여 몇 줄의 코드로 머신러닝 문제를 풀 수 있습니다. 또한 신경망 구조를 탐색하는데 유연한 구성 요소를 제공합니다.


텐서플로 클라우드

구글의 케라스 팀에서 관리되는 텐서플로 클라우드는 아주 약간만의 설정으로 GCP에서 대규모 케라스 훈련을 실행하도록 도와주는 유틸리티 모음입니다. 클라우드에 있는 8개 이상의 GPU에서 모델을 실험하려면 model.fit()을 호출하기만 하면 됩니다.


TensorFlow.js

TensorFlow.js는 텐서플로의 자바스크립트 런타임(runtime)입니다. 훈련과 추론을 위해 브라우저나 Node.js 서버에서 텐서플로 모델을 실행할 수 있습니다. 케라스 모델을 로드하고 브라우저에서 직접 케라스 모델을 미세 조정하거나 재훈련할 수 있습니다.


텐서플로 라이트

텐서플로 라이트(Lite)는 효율적인 온-디바이스(on-device) 추론을 수행할 수 있는 런타임입니다. 텐서플로 라이트는 케라스 모델을 지원하고 안드로이드, iOS, 임베디드(embeded) 장치에 모델을 배포할 수 있습니다.


모델 최적화 툴킷

텐서플로 모델 최적화 툴킷(Toolkit)훈련된 가중치 양자화(post-training weight quantization)나 가지치기를 고려한 훈련(pruning-aware training)을 사용해 추론 모델을 더 빠르고, 더 메모리 효율적이고, 더 전력 효율적으로 만드는 유틸리티 모음입니다.


TFX 통합

TFX는 머신러닝 제품 파이프라인(pipeline)을 배포하고 유지하기 위한 엔드-투-엔드 플랫폼입니다. TFX는 케라스 모델을 기본으로 지원합니다.