在 Hugging Face 使用 Keras
Keras 是一个开源多后端深度学习框架，支持 JAX、TensorFlow 和 PyTorch。你可以在 keras.io 上找到更多详细信息。
在 Hub 上探索 Keras
你可以通过在模型页面上按库名筛选来列出 Hub 上的 keras 模型。
当直接从 Keras 库上传时，Hub 上的 Keras 模型配备了有用的功能：
- 生成的模型卡片，包含描述、模型图表等。
- 下载计数以监控模型的受欢迎程度。
- 快速开始使用模型的代码片段。
使用现有模型
Keras 与 Hugging Face Hub 深度集成。这意味着你可以直接从库中加载和保存 Hub 上的模型。为此，你需要安装最新版本的 Keras 和 huggingface_hub。huggingface_hub 库是 Keras 用于与 Hub 交互的轻量级 Python 客户端。
pip install -U keras huggingface_hub
安装库后，你只需要使用常规的 keras.saving.load_model 方法，将 Hugging Face 路径作为参数传递。HF 路径是一个以 hf:// 为前缀的 repo_id，例如 "hf://keras-io/weather-prediction"。有关 load_model 的更多信息，请参阅 Keras 文档。
import keras
model = keras.saving.load_model("hf://Wauplin/mnist_example")
如果你想查看如何加载特定模型，可以在模型页面上点击使用此模型以获取可用的代码片段！
分享你的模型
与 load_model 类似，你可以使用带有 HF 路径的 model.save() 在 Hub 上保存和分享 keras 模型：
model = ...
model.save("hf://your-username/your-model-name")
如果 Hub 上不存在该仓库，它将为你创建。上传的模型包含模型卡片、模型图表、metadata.json 和 config.json 文件，以及包含模型权重的 model.weights.h5 文件。
默认情况下，仓库将包含一个最小的模型卡片。查看模型卡片指南以了解更多关于模型卡片以及如何完成它们的信息。你还可以使用 huggingface_hub.ModelCard 以编程方式更新模型卡片（参见指南）。
你可能已经熟悉 .keras 文件。实际上，.keras 文件只是一个包含 .json 和 model.weights.h5 文件的 zip 文件。当推送到 Hub 时，模型被保存为未压缩的文件夹，以便你可以浏览文件。请注意，如果你手动将 .keras 文件上传到 Hub 上的模型仓库，仓库将自动标记为 keras，但你无法使用 keras.saving.load_model 加载它。