keras-hub

环境要求

• Python 环境与可用的 pip（README 未限定版本，建议使用较新的 Python 3）
• Keras 3：安装 keras-hub 时会一并安装，也可按 Keras 官方入门页单独安装
• 任选一个后端：JAX、TensorFlow 或 PyTorch，用于实际计算
• 示例代码还需 tensorflow_datasets（用于加载 IMDB 等数据集）
• 首次加载预训练权重需要联网，权重托管在 Kaggle Models

安装与启动步骤

1. 1安装 KerasHub

   用 pip 安装最新正式版，会自动拉入 Keras 3 与 TensorFlow（仅用于 tf.data 预处理）。

   pip install --upgrade keras-hub

   复制

2. 2选择计算后端

   必须在 import keras 之前设置 KERAS_BACKEND，可选 jax、tensorflow 或 torch，之后不能再改。

   import os
   os.environ["KERAS_BACKEND"] = "jax"  # 也可以写 "tensorflow" 或 "torch"

   复制

3. 3导入相关库

   导入 keras、keras_hub 以及示例所需的 numpy 和 tensorflow_datasets。

   import keras
   import keras_hub
   import numpy as np
   import tensorflow_datasets as tfds

   复制

4. 4图像分类推理

   从预置权重加载 ResNet50，下载一张示例图片并预测 ImageNet 类别。

   classifier = keras_hub.models.ImageClassifier.from_preset(
       "resnet_50_imagenet",
       activation="softmax",
   )
   url = "https://upload.wikimedia.org/wikipedia/commons/a/aa/California_quail.jpg"
   path = keras.utils.get_file(origin=url)
   image = keras.utils.load_img(path)
   preds = classifier.predict(np.array([image]))
   print(keras_hub.utils.decode_imagenet_predictions(preds))

   复制

5. 5文本分类微调

   加载 BERT 预置权重，在 IMDB 影评数据上微调后对两句话做情感预测。

   classifier = keras_hub.models.TextClassifier.from_preset(
       "bert_base_en_uncased",
       activation="softmax",
       num_classes=2,
   )
   imdb_train, imdb_test = tfds.load(
       "imdb_reviews",
       split=["train", "test"],
       as_supervised=True,
       batch_size=16,
   )
   classifier.fit(imdb_train, validation_data=imdb_test)
   preds = classifier.predict(["What an amazing movie!", "A total waste of time."])
   print(preds)

   复制

6. 6可选：安装每日构建版

   如需最新开发中的改动，可改装 nightly 包，它会同时更新 Keras 与 KerasHub。

   pip install --upgrade keras-hub-nightly

   复制

关键配置

如何确认成功

运行图像分类示例，能打印出 decode_imagenet_predictions 的类别名称即表示安装与权重加载成功。

常见问题

注意事项

• 后端必须在导入 keras 之前通过环境变量确定，导入后再设置不生效。
• 预训练权重来自 Kaggle Models，首次加载会下载文件，需保证网络可用并预留磁盘空间。
• 示例中的 tensorflow_datasets 需另行安装（包名 tensorflow-datasets），仅用于数据集加载。
• 项目仍处于早期阶段，API 可能随版本变化，建议关注官方 Getting Started 与 API 文档。