Keras
Keras 是 François Chollet 2015 年创立、现由 Keras 团队（Google）维护的开源深度学习高级 API。Keras 3（2023 年 11 月发布的全面重写版）的核心设计是一套 API、四个后端：同一份模型代码无需修改即可运行在 JAX、TensorFlow、PyTorch 之上（另有 OpenVINO 推理专用后端），后端在 import keras 之前通过 KERAS_BACKEND 环境变量选定。其抽象体系围绕 keras.layers.Layer / keras.Model（Sequential、Functional、子类化三种建模方式）与内置训练循环 fit / evaluate / predict 展开——这三个内置循环还能直接消费任意来源的数据（NumPy、Pandas、tf.data.Dataset、PyTorch DataLoader），与后端无关；跨后端自定义组件则通过 keras.ops（完整 NumPy API + 神经网络算子）编写。与 TensorFlow 的关系已经演变：TF 2.0–2.15 时代 pip install tensorflow 附带的是 Keras 2（tf.keras）；TF 2.16 起 tf.keras 即 Keras 3，旧 Keras 2 以 tf_keras 包继续维护。预训练模型生态由 KerasHub 承载（KerasNLP 更名而来，并吸收视觉模型），数百个 checkpoint 可在任意后端加载。截至 2026 年 7 月，稳定版为 3.15.0（2026-06-24）：新增 export_torch（导出原生 PyTorch nn.Module）、MultiOptimizer、滑动窗口注意力与 causal 注意力自动 Flash SDPA；此前 3.12 引入蒸馏 API 与 GPTQ 量化、3.13 引入 LiteRT 导出（并要求 Python ≥ 3.11）、3.14 集成 Orbax checkpoint。信源 keras.io 官方文档 + GitHub keras-team/keras Releases。
评价
优点
- API 设计以人为中心：报错信息可读、默认值合理、文档质量高，公认是深度学习框架里上手曲线最平缓的
- 真·多后端：同一份代码在 JAX/TF/PyTorch 间切换只需改环境变量，可按任务选性能最优后端，也可把 Keras 组件嵌进任意后端的原生工作流
- 内置训练循环生产级：
fit自带进度条、指标聚合、验证、回调体系（EarlyStopping/ModelCheckpoint/TensorBoard），八成场景不用手写训练循环 - 数据来源自由：
fit/evaluate/predict通吃 NumPy、Pandas、tf.data.Dataset、PyTorchDataLoader，不锁数据管线 - 部署出口多：
model.export()一条 API 出 SavedModel / ONNX / LiteRT（3.13+）/ 原生 PyTorch Module（3.15+），跨框架交付成本低 - KerasHub 预训练生态：Gemma、BERT、ResNet、Stable Diffusion 等
from_preset一行加载，且天然三后端可用
缺点
- 高级抽象藏细节：
fit封装过深，非常规训练（GAN、多模型交替、复杂梯度操作）仍需退回train_step重写或后端原生循环 - 后端能力不齐：新特性常 JAX 先行（如分布式 API），Torch/TF 后端偶有小行为差异与滞后 bug，「同码同果」以内置层为前提
- 自定义组件跨后端有纪律：只有全程使用
keras.ops才能保证跨后端等价，一旦调了tf./torch.原生函数就锁死后端 - 反序列化安全收紧后迁移阵痛：3.12–3.15 持续加固 HDF5/归档/Lambda 反序列化，旧存档与
Lambda层加载在新版可能直接报错 - 版本矩阵要查表：TF 2.15 会覆盖安装 Keras 2、3.13 起要求 Python ≥ 3.11、后端兼容版本有对应矩阵，环境搭配不看文档容易踩坑
- 超大模型训练生态偏弱：万卡级并行、RLHF 等前沿训练栈仍以原生 JAX/PyTorch 为主，Keras 分布式 API 相对年轻
文档地址
- Keras 官方文档（keras.io）
- Getting started（安装与后端配置）
- Keras 3 发布公告
- Keras API Reference
- Keras 3.15.0 Release Notes