KerasFormers

KerasFormersとは？

KerasFormersは、純粋なKeras 3で構築された事前学習済みトランスフォーマーモデルのライブラリで、重みは元のチェックポイントから変換されています。物体検出やセグメンテーションから音声認識、大規模言語モデルまで、118のモデルファミリーをカバーし、JAX、PyTorch、TensorFlowバックエンドで同じコードが動作します。実行時にtransformersやtorchの依存関係は不要で、最新のアーキテクチャを扱うための軽量でフレームワークに依存しない代替手段を提供します。

対象読者

• Kerasネイティブ開発者：PyTorchやHugging Faceの依存関係を扱うことなく、Kerasエコシステム内に留まりたい方。
• マルチバックエンドエンジニア：研究や本番環境でJAX、PyTorch、TensorFlow上で同一に動作する単一のコードベースを必要とする方。
• モデル探求者：手動での重み変換やセットアップなしに、DETR、SegFormer、SAM 3、Whisper、Qwen3など、幅広いアーキテクチャに迅速にアクセスしたい方。

主な特徴

全モデルに統一されたAPI

すべてのモデルはfrom_weightsで構築され、その後プロセッサが生成するものを入力として受け取ります。検出器、深度推定器、LLMのいずれを実行する場合でも、ワークフローは同一です。そのため、タスクを切り替えても学習曲線やコード変更のコストはかかりません。

3つのソースからの柔軟な重み読み込み

from_weightsは自動的にディスパッチします。Hub上の事前変換済みKerasリポジトリ、アップストリームのチェックポイントをその場で変換するベアバリアント名、またはhf:プレフィックスを持つ互換性のあるHugging Faceリポジトリを受け入れます。クラス数などのアーキテクチャ詳細はリポジトリ設定から読み取られるため、ファインチューニング済みモデルも追加設定なしで動作します。

同じ呼び出しに組み込まれた量子化

重みのみのint8、int4、fp8、mxfp4は、任意のモデルで同じfrom_weights呼び出しの引数です。GPT-OSS 120Bのような大規模チェックポイントは、MoEエキスパートをMXFP4にパックし、その場で逆量子化してbfloat16で読み込まれ、メモリをfp32の約130 GBではなく約66 GBに抑えます。

実測された出力、例示ではない

モデルページのすべての図と印刷結果は、その隣のスニペットを実際に表示されている実画像または音声クリップで実行した結果です。もっともらしく見せるために手書きされたものは一切なく、読んだ内容は自分で実行したときに得られる結果と正確に一致します。

際立っている点

「あらゆるモデルを、あらゆるバックエンドで実行。」

これはマーケティングの誇張ではありません。KerasFormersは、118のモデルファミリーを変換済みの重みを持つ純粋なKeras 3に移植し、単一の環境変数でJAX、PyTorch、TensorFlowを切り替えられるようにすることで、これを実現しています。その広さ、バックエンドの柔軟性、そして誠実で再現可能なドキュメントの組み合わせは、MLライブラリの分野では珍しいものです。

チェックする価値があるのは…

Kerasで構築していて、エコシステムを離れずに最新のトランスフォーマーにアクセスしたい場合、または移植性のために複数のバックエンドで動作する単一のコードベースが必要な場合です。また、大規模モデルを扱っていて、簡単な量子化オプションを求める場合や、手作りの例ではなく実際の実行可能な結果を反映したドキュメントを重視する場合にも最適です。