rstudio/keras3
R Interface to Keras
何を解決するか
KerasへのRインターフェースを提供し、Rユーザーが高速な実験を目的とした高レベルで使いやすいAPIを使って深層学習モデルの構築と学習が可能になります。
動作方法
このパッケージはKeras APIへのインターフェースとして機能し、複雑なニューラルネットワークアーキテクチャの作成を可能にします。CPUとGPUの両方でスムーズに実行でき、コンピュータビジョン用の畳み込みネットワークやシーケンス処理用の再帰ネットワークなど、さまざまなネットワークタイプを内蔵サポートしています。
対象ユーザー
Pythonに切り替えることなく、迅速に深層学習モデルのプロトタイピングとデプロイが可能なRを使用するデータサイエンティストや研究者。
主な特徴
- CPUおよびGPUでのシームレスな実行
- 畳み込みネットワークおよび再帰ネットワークのサポート
- 複数入力および複数出力モデルを含む、任意のネットワークアーキテクチャの構築が可能
- 想像から結果までの遅延を最小限に抑えることに焦点を当てる
関連
- プロジェクト
keras-team/kerasJAX、TensorFlow、または PyTorch 上で動作する高レベル API を使用してモデルを構築・トレーニングできる、マルチバックエンド深層学習フレームワークです。
- プロジェクト
topepo/caret機械学習タスクのための包括的なRパッケージで、分類および回帰モデルの訓練とプロットを統一インターフェースで提供します。
- プロジェクト
keras-team/keras-hubKerasHubは、テキスト、画像、音声の普及している AI モデルのマルチフレームワーク実装を提供し、JAX、TensorFlow、PyTorch をサポートする事前学習済みモデルライブラリです。
- Dispatch
KerasでのLlama 3.2Llama 3.2 は keras-hub を通じて Keras で完全にサポートされており、ユーザーは Hugging Face のチェックポイントをロードし、JAX、PyTorch、または TensorFlow バックエンドでモデルを実行できます。
- プロジェクト
tidymodels/parsnipparsnip は、統計および機械学習モデルの指定と適合に、tidy で統一されたインターフェースを提供する R パッケージです。モデルのタイプ、モード、ハイパーパラメータを一度定義し、`ranger` や `spark` などのサポートされているエンジンを自由に選択して学習できます。引数名を統一し、異なるパッケージ間のコードを簡潔にします。