Keras ออกเวอร์ชั่น 3.0 ตัวยจริง โดยสามารถใช้งานร่วมกับเฟรมเวิร์คเบื้องหลังได้ทั้ง TensorFlow, PyTorch, และ JAX ตามแนวทาง Keras Core ที่เปิดตัวเมื่อกลางปีที่ผ่านมา

แนวทางการเปลี่ยนเฟรมเวิร์คเบื้องหลังทำให้การพัฒนาได้ประสิทธิภาพสูงสุดเสมอ เช่น JAX นั้นประสิทธิภาพดีมากในโมเดลหลายกลุ่ม ขณะที่โมเดลบางกลุ่มกลับรันกับ TensorFlow ได้ดีกว่า โดยโมเดลที่เซฟลงไฟล์ .keras สามารถรันกับเฟรมเวิร์คเบื้องหลังตัวไหนก็ได้

โค้ดส่วนมากยังใกล้เคียงกับ Keras 2 แต่มีส่วนที่ไม่เข้ากันจำนวนหนึ่ง ควรอ่านเอกสารก่อนย้ายโค้ด

ที่มา - Keras

โครงการ Keras ประกาศเฟรมเวิร์ค Keras Core ที่เปิดทางให้นักพัฒนาสามารถใช้งาน Keras ร่วมกับเฟรมเวิร์คยอดนิยมอื่น ได้แก่ TensorFlow, PyTorch, และ JAX โดยระบุว่า Keras Core เป็นการกลับไปยังจุดเริ่มต้นของ Keras ที่เคยพยายามสร้าง API ซ้อนกับเฟรมเวิร์คอื่น เช่น Theano, TensorFlow, CNTK, และ MXNet แต่ต่อมาหันมาพัฒนาคู่กับ TensorFlow อย่างเดียว

ความพยายามพอร์ต Keras ไปใช้งานอย่างอื่นในรอบนี้เลือกเฟรมเวิร์คที่จะรองรับจากความนิยมสูงสุด คือ TensroFlow และ PyTorch ส่วน JAX นั้นถูกเลือกซัพพอร์ตเพราะได้รับความนิยมในหมู่นักพัฒนา generative AI เนื่องจากมีประสิทธิภาพในการรันสูงกว่าตัวอื่นๆ

François Chollet วิศวกรของกูเกิลและผู้สร้าง Keras ร่วมกับ Kaggle จัดแข่งปัญญาประดิษฐ์ Abstraction and Reasoning Challenge (ARC) เป็นการแข่งสร้างปัญญาประดิษฐ์ที่ใช้เหตุผล แทนที่จะใช้ข้อมูลจำนวนมากมาหารูปแบบของปัญหาและคำตอบแบบเดิมๆ

โจทย์ของ ARC จะคล้ายกับแบบทดสอบวัดไอคิว โดยมีตัวอย่างปัญหาและเฉลยมาให้ 3-5 ชุดในแต่ละข้อ จากนั้นปัญญาประดิษฐ์จะต้องแก้ปัญหาที่เหลือ โดยตัวโจทย์จริงๆ เป็นตารางของเลข 0-9 และเฉลยก็เป็นตารางเช่นกัน

TensorFlow ใกล้ออกเวอร์ชั่น 1.4 เต็มที โดยตอนนี้ release candidate 1 (rc1) ก็ออกมาแล้วทำให้เริ่มแน่ชัดว่าจะมีฟีเจอร์อะไรเข้ามาบ้าง โดยส่วนสำคัญที่สุดคงเป็นการรวม Keras เข้ามาเป็นโมดูลหลักของโครงการ

Keras ถูกสร้างครั้งแรกเพื่อสร้าง API ระดับสูงให้กับ Theano และรองรับทั้ง CNTK และ TensorFlow ในภายหลัง แต่โครงการได้รับความนิยมในการใช้ร่วมกับ TensorFlow อย่างสูง ทำให้ตอนนี้มักใช้ร่วมกันเสมอๆ

อีกโครงการที่รวมเข้ามาคือ tf.data ที่เดิมอยู่ใน tf.contrib.data