Getting started with Keras

Getting started with Keras

Keras를 처음 쓰는 분이라면 어디서부터 시작해야 할지 막막할 수 있어요. 다양한 유스 케이스에서 Keras가 실제로 어떻게 동작하는지 보여 주는 튜토리얼을 찾고 있다면, Keras 코드 예제를 살펴보는 게 가장 빠른 길이에요. 컴퓨터 비전·자연어 처리·생성형 AI 분야의 모범 사례를 보여 주는 150개가 넘는 잘 설명된 노트북이 준비돼 있어요. 이번 페이지에서는 Keras 3 설치와 백엔드 설정을 중심으로 시작 방법을 정리해 볼게요.

출처: Getting started with Keras

Keras 3 설치

Keras는 PyPI에서 간단히 설치할 수 있어요.

pip install --upgrade keras

설치된 Keras 버전은 이렇게 확인해요.

import keras
print(keras.__version__)

Keras 3를 쓰려면 백엔드 프레임워크도 설치해야 해요 — JAX, TensorFlow, PyTorch 중 하나예요. TensorFlow 2.15를 설치했다면 그다음에 Keras 3를 다시 설치해야 해요. tensorflow==2.15가 설치한 Keras를 keras==2.15로 덮어써 버리기 때문이에요. TensorFlow 2.16부터는 기본으로 Keras 3를 설치하니 이 단계는 필요 없어요.

KerasCV·KerasHub 설치

KerasCV와 KerasHub도 pip로 설치할 수 있어요.

pip install --upgrade keras-cv
pip install --upgrade keras-hub
pip install --upgrade keras

백엔드 설정

환경 변수 KERAS_BACKEND를 export 하거나 로컬 설정 파일 ~/.keras/keras.json을 편집해 백엔드를 설정할 수 있어요. 사용 가능한 백엔드는 "jax", "tensorflow", "torch"예요. 예:

export KERAS_BACKEND="jax"

Colab에서는 이렇게 해요.

import os
os.environ["KERAS_BACKEND"] = "jax"
import keras

주의할 점은 백엔드를 Keras를 import 하기 전에 설정해야 한다는 거예요. 패키지를 import 한 뒤에는 백엔드를 바꿀 수 없어요.

Colab 또는 Kaggle

Colab이나 Kaggle에서 실행 중이라면 GPU는 이미 올바른 CUDA 버전으로 설정돼 있을 거예요. Colab이나 Kaggle에서 더 새로운 CUDA 버전을 설치하는 건 보통 불가능해요. pip 설치 프로그램이 있어도 미리 설치된 NVIDIA 드라이버에 의존하기 때문이죠. Colab이나 Kaggle에서는 드라이버를 업데이트할 방법이 없어요.

범용 GPU 환경

어느 백엔드든 GPU를 쓸 수 있는 "범용 환경"을 만들고 싶다면, 바로 이 문제를 해결하려는 Colab이 사용하는 의존성 버전을 따라가는 걸 권장해요. CUDA 드라이버를 설치한 뒤 각 백엔드의 CUDA 설치 지침을 따라 pip 설치하면 돼요.

가장 안정적인 GPU 환경

이 설정은 Keras 컨트리뷰터가 Keras 테스트를 돌릴 때 권장되는 방식이에요. 모든 백엔드를 설치하되 한 번에 한 백엔드에만 GPU 접근을 줘서, 백엔드 간에 충돌 가능성이 있는 의존성 요구사항을 피해요. 백엔드별 요구사항 파일(requirements-jax-cuda.txt, requirements-tensorflow-cuda.txt, requirements-torch-cuda.txt)을 사용할 수 있어요. 이 파일들은 CUDA 지원 의존성을 모두 pip로 설치해요. NVIDIA 드라이버가 미리 설치돼 있을 것을 기대해요.

더 알아보기