كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

نموذج Keras 3 يعمل على خلفية PyTorch

مبتدئالتعلم العميق وبناء الشبكات العصبيةتصنيف

الهدف: كتابة نموذج Keras مرة واحدة وتشغيله على خلفية مختلفة.

Python — example.py
import os
os.environ["KERAS_BACKEND"] = "torch"
import numpy as np, keras

keras.utils.set_random_seed(0)
X = np.random.rand(500, 4).astype("float32"); y = (X.sum(1) > 2).astype("int32")
model = keras.Sequential([keras.Input((4,)), keras.layers.Dense(16, activation="relu"),
                          keras.layers.Dense(2, activation="softmax")])
model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
model.fit(X[:400], y[:400], epochs=30, batch_size=32, verbose=0)
loss, acc = model.evaluate(X[400:], y[400:], verbose=0)
print("الخلفية:", keras.backend.backend())
print(f"دقة الاختبار: {acc:.3f}")

شرح الكود

يدعم Keras 3 خلفيات TensorFlow وJAX وPyTorch. نحدد الخلفية بمتغير البيئة KERAS_BACKEND قبل الاستيراد. الواجهة compile ثم fit ثم evaluate كما هي.

المتطلبات

Shell
pip install keras torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

الخلفية: torch
دقة الاختبار: 0.920

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — keras 3.15.1, torch 2.15.0, python 3.13.18

المكتبات المستخدمة

أمثلة قريبة

متقدمJAXنُفّذ واختُبر

grad وvmap وjit في JAX

تركيب تحويلات الدوال: الاشتقاق والتوجيه والترجمة.

التعلم العميق وبناء الشبكات العصبية · حوسبة قابلة للاشتقاق