在 Hugging Face 上使用 Keras

Keras 是一个开源的多后端深度学习框架，支持 JAX、TensorFlow 和 PyTorch。你可以在 keras.io 上了解更多详细信息。

在 Hub 中探索 Keras

您可以在模型页面上通过按库名称筛选来列出keras模型。

直接从 Keras 库上传到 Hub 的 Keras 模型会附带一些实用功能：

1. 包含描述、模型图表等内容的生成模型卡片。
2. 用于监控模型流行度的下载量。
3. 用于快速上手该模型的代码片段。

使用现有模型

Keras 与 Hugging Face Hub 深度集成。这意味着你可以直接从该库中加载和保存 Hub 上的模型。为此，你需要安装最新版本的 Keras 和 huggingface_hub。huggingface_hub 库是一个轻量级的 Python 客户端，Keras 使用它与 Hub 进行交互。

pip install -U keras huggingface_hub

安装好该库后，你只需使用常规的 keras.saving.load_model 方法，并传入一个 Hugging Face 路径作为参数即可。HF 路径是以 hf:// 为前缀的 repo_id，例如 "hf://keras-io/weather-prediction"。有关 load_model 的更多信息，请参阅 Keras 文档。

import keras

model = keras.saving.load_model("hf://Wauplin/mnist_example")

如果您想查看如何加载特定模型，可以在模型页面上点击 使用此模型 来获取可用的代码片段！

共享您的模型

与load_model类似，您可以使用带有 HF 路径的model.save()在 Hub 上保存并共享keras模型：

model = ...
model.save("hf://your-username/your-model-name")

如果该仓库在 Hub 上不存在，系统会为您创建。上传的模型包含模型卡片、模型图表、metadata.json 和 config.json 文件，以及包含模型权重的 model.weights.h5 文件。

默认情况下，仓库将包含一个最简模型卡片。请查阅模型卡片指南，以了解有关模型卡片的更多信息以及如何完善它们。您还可以使用huggingface_hub.ModelCard以编程方式更新模型卡片（参见指南）。

您可能已经熟悉 .keras 文件。实际上，.keras 文件只是一个包含 .json 和 model.weights.h5 文件的 zip 压缩包。当推送到 Hub 时，模型会以解压后的文件夹形式保存，以便您浏览其中的文件。请注意，如果您手动将 .keras 文件上传到 Hub 上的模型仓库，该仓库会自动被标记为 keras，但您将无法使用 keras.saving.load_model 来加载它。

其他资源

• Keras 开发者指南。
• Keras 示例。