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

Keras

Keras 3

واجهة عالية المستوى لبناء الشبكات العصبية، تعمل في إصدارها الثالث فوق TensorFlow أو JAX أو PyTorch.

نشطةمبتدئv3.15.1Apache-2.0أطر التعلم العميق

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمKeras
الاسم الكاملKeras 3
التصنيفأطر التعلم العميق
الجهة المطورةفريق Keras في Google
سنة الإطلاق2015
الموقع الرسميkeras.io
مستودع GitHubkeras-team/keras
الوثائق الرسميةغير محدد
الحزمة على PyPIkeras
الترخيصApache-2.0 (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار29 يوليو 2026 (الإصدار 3.15.1)
لغة البرمجةPython
أنظمة التشغيلMacOS، Unix (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.11
مستوى الصعوبةمبتدئ

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

تتيح Keras بناء النماذج بطبقات جاهزة عبر Sequential أو الواجهة الوظيفية، وتدريبها بـ fit مع ردود فعل (Callbacks) للإيقاف المبكر وحفظ النقاط. منذ Keras 3 يمكن اختيار الخلفية (Backend) بين TensorFlow وJAX وPyTorch.

مناسبة جداً للتعليم والنماذج القياسية السريعة، وتضم KerasCV وKerasHub نماذج جاهزة.

متى تختارها؟ اخترها للتعلم والنماذج القياسية السريعة، أو لكتابة نموذج واحد يعمل على أكثر من خلفية.

الاستخدامات

الاستخدامات الرئيسية

  • بناء نماذج قياسية بسرعة
  • التعليم والنماذج الأولية
  • نماذج تعمل على أكثر من خلفية

المجالات العلمية

  • التعليم
  • الصناعة

أنواع المشاريع المناسبة

  • مصنف صور بسيط
  • نموذج نصي سريع

تطبيقات بحثية

  • تجارب سريعة لمعماريات قياسية

التعلم العميق وبناء الشبكات العصبيةالشبكات الالتفافيةتصنيف الصور

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)مدعوم
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةمدعوم
الاشتقاق التلقائي (Autodiff)مدعومعبر الخلفية المختارة.
نشر النماذج (Deployment)مدعومعبر منظومة الخلفية المختارة.
نماذج مدربة مسبقاًمدعومKeras Applications وKerasHub.
أنواع البيانات المدعومةحسب الخلفية
التكامل مع مكتبات أخرىTensorFlow، JAX، PyTorch
المرونة (تقدير تحريري)متوسطة
الأداء (تقدير تحريري)حسب الخلفية
المجتمع (تقدير تحريري)ضخم
جودة التوثيق (تقدير تحريري)توثيق وأمثلة ممتازة

التثبيت والتشغيل

Shell
pip install keras

ثبّت معها خلفية واحدة على الأقل: tensorflow أو jax أو torch.

التوافق: Python >=3.11 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

مبتدئنموذج Keras 3 يعمل على خلفية PyTorchنُفّذ واختُبر

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

صفحة المثال

كل أمثلة Keras في مستكشف الأكواد

المزايا

  • أبسط واجهة لبناء الشبكات
  • تعدد الخلفيات
  • مثالية للتعليم

القيود

  • المعماريات غير القياسية قد تحتاج النزول إلى الخلفية
  • اختلافات سلوكية دقيقة بين الخلفيات

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
3.15.129 يوليو 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً