Keras Framework（ケラスフレームワーク）

from keras import layers, models

model = models.Sequential([
    layers.Dense(128, activation='relu', input_shape=(784,)),
    layers.Dropout(0.2),
    layers.Dense(64, activation='relu'),
    layers.Dense(10, activation='softmax')
])

model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']
)

from keras import Input, Model

inputs = Input(shape=(784,))
x = layers.Dense(128, activation='relu')(inputs)
x = layers.Dropout(0.2)(x)
x = layers.Dense(64, activation='relu')(x)
outputs = layers.Dense(10, activation='softmax')(x)

model = Model(inputs, outputs)

# 学習
model.fit(x_train, y_train, epochs=10, batch_size=32, validation_split=0.2)

# 評価
test_loss, test_acc = model.evaluate(x_test, y_test)
print(f"Test accuracy: {test_acc:.3f}")

# 予測
predictions = model.predict(x_test)

# 保存
model.save('my_model.keras')

# 読込
loaded_model = keras.models.load_model('my_model.keras')

import os
os.environ["KERAS_BACKEND"] = "torch"  # "tensorflow", "torch", "jax"

import keras
# 同じ Keras API がバックエンドに応じて動作

# 仮想環境作成
python -m venv keras_env
source keras_env/bin/activate  # Linux/Mac
# keras_env\Scripts\activate    # Windows

# Keras + バックエンド
pip install keras tensorflow  # TensorFlow バックエンド
pip install keras torch       # PyTorch バックエンド
pip install keras jax[cuda12] # JAX バックエンド（GPU）

# NVIDIA GPU（CUDA 必須）
pip install tensorflow[and-cuda]  # TensorFlow
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124  # PyTorch