ÁLVAROMAUREIRA

Keras 3: Rediseño Completo del Framework de Aprendizaje Profundo Multi-Backend para JAX, PyTorch y TensorFlow

Publicado ·

El equipo de desarrollo de Keras ha anunciado el lanzamiento oficial de Keras 3, una reescritura arquitectónica completa del icónico framework de aprendizaje profundo que introduce compatibilidad multi-backend agnóstica para JAX, PyTorch y TensorFlow sin requerir modificaciones en el código de modelado.

Convergencia de Ecosistemas en un Framework Único

Durante años, los ingenieros e investigadores de inteligencia artificial se vieron forzados a elegir entre ecosistemas cerrados: la madurez productiva y despliegue móvil de TensorFlow, la flexibilidad y dinamismo de PyTorch, o las transformaciones computacionales de alta velocidad y compilación XLA de JAX. Keras 3 elimina esta fragmentación al desacoplar completamente la API de alto nivel del motor de ejecución de tensores subyacente.

Con Keras 3, un mismo bloque o modelo neuronal definido con capas estándar de Keras puede ser instanciado y entrenado sobre tensores de PyTorch utilizando optimizadores nativos de PyTorch, o compilado mediante jax.jit para ejecución vectorizada en clústeres de TPUs y GPUs de última generación.

Los desarrolladores pueden consultar las guías de migración y la documentación completa en el portal oficial de Keras 3.

Compilación XLA, Distribución de Modelos y Rendimiento

Además de la interoperabilidad entre frameworks, Keras 3 introduce un espacio de nombres integral de operaciones matemáticas de bajo nivel (keras.ops), que permite escribir capas y funciones de pérdida personalizadas totalmente portables que se compilan nativamente al backend seleccionado.

La nueva arquitectura ofrece un rendimiento superior gracias a la optimización de grafos estáticos vía XLA, acelerando el entrenamiento distribuido con paralelismo de datos y de tensores en grandes infraestructuras de supercomputación.

Sigue aprendiendo

Explora los recursos y continúa tu recorrido en la comunidad.

Únete gratis a la comunidad →

Sigue leyendo las noticias clave de IA

  1. Moonshot AI presenta Kimi k1.5: modelo de razonamiento multimodal entrenado con aprendizaje por refuerzo a escala masivaMoonshot AI revela Kimi k1.5, combinando técnicas avanzadas de RL multimodal y cadenas de pensamiento profundo para superar evaluaciones complejas de STEM.Leer análisis completo
  2. DeepSeek presenta Janus: el modelo multimodal que desacopla la codificación visual para unificar comprensión profunda y generación de imágenesDeepSeek lanza Janus, modelo multimodal que desacopla vías de codificación visual para comprensión y generación autorregresiva de imágenes de alta fidelidad.Leer análisis completo
  3. LLM360 Presenta Amber: El Primer Modelo Fundacional Abierto de 7B con 360 Checkpoints y Reproducibilidad TotalLLM360 libera Amber, un modelo de lenguaje de 7B parámetros con 360 checkpoints intermedios, código, datos y métricas abiertas para investigación reproducible.Leer análisis completo
  4. Google DeepMind Presenta AlphaProof: Razonamiento Formal en Lean y Aprendizaje por Refuerzo para Matemáticas OlímpicasDeepMind detalla AlphaProof, un sistema que une modelos de lenguaje con demostradores formales en Lean para resolver problemas matemáticos de nivel olímpico.Leer análisis completo
  5. Adept Presenta Fuyu-8B: Modelo Multimodal Abierto para Comprensión de Pantallas y Agentes de Interfaz GráficaAdept libera Fuyu-8B, arquitectura multimodal que proyecta parches de imagen directamente al Transformer para operar interfaces web y pantallas complejas.Leer análisis completo
  6. Hugging Face Presenta LeRobot: Plataforma Abierta para Democratizar la Robótica con Aprendizaje por ImitaciónHugging Face lanza LeRobot, un marco abierto que proporciona modelos preentrenados, datasets y simulaciones para manipular robots físicos de bajo coste.Leer análisis completo
  7. NVIDIA Cosmos: la familia de modelos de mundo físico para simulación hiperrealista, robótica autónoma y vehículos sin conductorNVIDIA presenta Cosmos, familia de modelos de mundo para simulación física acelerada, tokenizadores continuos y entrenamiento de robots autónomos en Omniverse.Leer análisis completo
  8. Kyutai Presenta Mimi: Codec de Audio Neuronal Abierto de Ultra Baja Latencia para Modelos de VozKyutai libera Mimi, codec de audio neuronal abierto que combina tokens acústicos y semánticos a 12,5 Hz para síntesis de voz interactiva a baja latencia.Leer análisis completo
  9. Mistral AI lanza Pixtral Large: modelo multimodal de 124B parámetros con comprensión de documentos complejos y visión de alta resoluciónMistral AI presenta Pixtral Large de 124B parámetros, superando a GPT-4o en comprensión de diagramas, documentos densos y razonamiento visual complejo.Leer análisis completo
  10. Apple Libera CoreNet: Biblioteca de Código Abierto para Entrenamiento y Optimización de Modelos de IA a Gran EscalaApple presenta CoreNet, framework abierto para entrenar redes profundas y modelos multimodales a gran escala con soporte unificado para CUDA y Apple Silicon.Leer análisis completo
  11. Flink AI Native Ops: diagnosticar con revisión humanaAlibaba Cloud describe asistencia, inspecciones y condiciones de consumo para operar trabajos de Flink.Leer análisis completo
  12. Microsoft Presenta GRIN-MoE: Modelo de Mezcla de Expertos con Enrutamiento Informado por Gradiente para Inferencia EficienteMicrosoft presenta GRIN-MoE, arquitectura de mezcla de expertos de 6.6B que optimiza la selección de rutas mediante estimación de gradiente en tiempo real.Leer análisis completo
  13. MiniMax Presenta Video-01: Modelo de Generación de Video de Alta Resolución con Cinemática y Dinámica de Movimiento NaturalMiniMax lanza Video-01, modelo de video generativo en resolución 720p y 1080p con movimiento físico complejo y simulación de cámara realista.Leer análisis completo
  14. BAAI Presenta BGE Reranker v2: Reordenamiento Semántico Profundo por Atención Cruzada para RAGBAAI libera BGE Reranker v2, modelo de reordenamiento semántico basado en atención cruzada que maximiza la precisión de recuperación en sistemas RAG.Leer análisis completo
  15. Axolotl Presenta su Framework Unificado de Ajuste Fino y Post-Entrenamiento para Modelos AbiertosAxolotl libera su framework de post-entrenamiento que estandariza ajuste fino de LLMs con YAML, empaquetado de secuencias y aceleración FSDP y DeepSpeed.Leer análisis completo
  16. MIT estudia cómo una red organiza su aprendizajeMIT presenta una red que organiza su aprendizaje. Explicamos la diferencia entre reglas, conexiones y resultados con un ejercicio conceptual.Leer análisis completo
Desliza para descubrir las 16 lecturas.16 artículos relacionados