Keras 3 — 多后端深度学习 • blog.dopana

Keras 3 是 keras-team 推出的多后端深度学习框架——“为人类而生的深度学习”。与 Keras 2 的关键区别：不再依赖 TensorFlow。一套代码现在可以跑在 JAX、TensorFlow、PyTorch 和 OpenVINO（仅推理）上。GitHub 约 6.4 万星，超过 500 万开发者使用。

为什么多后端重要#

过去你必须选定一个框架并一直用下去。Keras 3 把 API 与底层计算解耦：

无锁定——改一个环境变量即可切换后端
最佳性能——为每个模型挑选最快的后端。Keras 基准显示 20-350% 的加速，GPU/TPU/CPU 上通常 JAX 胜出
生态可选性——Keras 模型即 PyTorch Module，可导出为 TensorFlow SavedModel，也可实例化为 JAX 无状态函数

选择后端#

export KERAS_BACKEND="jax" # 或：tensorflow、torch、openvino

bash

或编辑 ~/.keras/keras.json。各后端最低版本（Keras 3 稳定版）：TensorFlow 2.16.1、JAX 0.4.20、PyTorch 2.1.0、OpenVINO 2025.3。

后端	最擅长
JAX	GPU 与 TPU 上最快的训练/推理、XLA
TensorFlow	现有 TF 技术栈、tf.data 管道
PyTorch	HF 生态、动态模型、科研
OpenVINO	CPU 推理优化（Intel）

keras.ops —— 一套 NumPy 风格 API#

Keras 3 内置 keras.ops，一个在全部后端都能用的完整 NumPy API——自定义层、损失、指标无需 import tf. / torch. 即可随处运行：

import keras
import numpy as np

x = keras.ops.ones((3, 3))
y = keras.ops.matmul(x, keras.ops.transpose(x))

python

跨框架数据管道#

Keras 3 模型可用任意管道训练——tf.data.Dataset、torch.utils.data.DataLoader、NumPy 数组、Pandas DataFrame 或 keras.utils.PyDataset。无需重写。

完整高层 API#

层、指标、损失、优化器、回调、训练循环、保存/序列化——一应俱全，且与后端无关。自定义 train_step() 需按后端编写，但 compute_loss() 处处可用。

示例：同一模型，任意后端#

import os
os.environ["KERAS_BACKEND"] = "jax"   # 切换："tensorflow"、"torch"

import keras

model = keras.Sequential([
    keras.Input(shape=(28, 28)),
    keras.layers.Flatten(),
    keras.layers.Dense(128, activation="relu"),
    keras.layers.Dense(10, activation="softmax"),
])
model.compile(optimizer="adam", loss="sparse_categorical_crossentropy")
model.fit(x_train, y_train, epochs=5)

python

同样的代码可跑在 JAX、TF 或 PyTorch 上。

预训练模型#

Keras Applications：全部 40 个模型（ResNet、EfficientNet、MobileNet…）支持所有后端
KerasCV & KerasHub： BERT、OPT、Whisper、T5、StableDiffusion、YOLOv8、SegmentAnything——所有后端

从 Keras 2 / tf.keras 迁移#

仅用内置层的模型几乎零改动迁移。自定义 tf.* 代码需替换为 keras.ops，后端特定的 train_step() 覆写则按后端分别实现。迁移后，一个环境变量即可切到 JAX 或 PyTorch。

优点与缺点#

优点：

一次编写，四大框架运行
无框架锁定——2026 年实属罕见
通过 JAX 后端获得顶尖性能
出自打造 tf.keras 的同一团队（François Chollet）

缺点：

自定义训练循环需要按后端写代码
OpenVINO 仅支持推理
新的分布式 API（device mesh）目前仅限 JAX
小众自定义算子可能需要后端专属回退

结论#

Keras 3 是 2026 年最接近统一深度学习 API 的存在。它不在 TensorFlow、PyTorch、JAX 之间选赢家——而是让你一次写模型、到处运行，并取各框架最佳性能。对于做库或面向多方用户的团队，它正日益成为默认推荐。

Keras 3 — 多后端深度学习