---
title: #75 Keras
tags: 
author: [猫のタロー](https://www.docswell.com/user/Cat_Taro)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/VJNYL9G278.jpg?width=480
description: Kerasは開発者ショレ氏がロボティクス研究を背景に「人間ファースト」の思想で開発したディープラーニング用APIです。「Keras3」へと進化し、同じコードのままTensorFlow、JAX、PyTorchを自由に切り替えて、最新の恩恵を受けられるのが特徴です。  https://tutorial4datascience.blogspot.com/2026/06/75-keras.html
published: June 29, 26
canonical: https://www.docswell.com/s/Cat_Taro/5Y88L7-2026-06-29-213429
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/VJNYL9G278.jpg)

5th STEP ディープラーニング
Section ２
Keras
データサイエンス チュートリアル
1


# Page. 2

![Page Image](https://bcdn.docswell.com/page/YE9P42WDJ3.jpg)

フランソワ・ショレ（François Chollet）
フランソワ・ショレ（François Chollet）氏は、「ロボットが自律的
に現実世界を認識し、思考し、適応していくためのシステム（一種
の汎用人工知能）」の実現に強い関心を持っていました。
「自律的なロボットOS（ONEIROS／Open-ended Neuro-Electronic
Intelligent Robot Operating System）」を構築するためには、まずその基
盤として、脳の神経回路を模したニューラルネットワークを自由かつ高速に実験で
きる環境が必要。
出典
https://xtech.nikkei.com/atcl/nxt/c
olumn/18/03543/031000001/
当時のディープラーニングのライブラリ（Theano、Torchなど）は、数式をそのままコードに落とし込むような難解なものが多
く、一般のエンジニアや研究者にとってハードルが高い状態
まずは自分が実験しやすいディープラーニングのライブラリを作ろう
Kerasは2015年3月に登場
データサイエンス チュートリアル
2


# Page. 3

![Page Image](https://bcdn.docswell.com/page/GE8DQ5N5ED.jpg)

Kerasの進化
●2015年3月 ショレがKeras公開
●2015年後半 ショレがGoogleに迎え入れられる
●2015年11月 TensorFlow 1.0のオープンソース化
●マルチバックエンドとしてのKeras
初期のKerasは、自身で計算を行うのではなく、裏側の計算エンジン（バックエンド）を選べる仕様でした。最初は「Theano」というライブラリ上で
動いていましたが、TensorFlowが登場するとすぐにTensorFlowにも対応。
●2017年 TensorFlowへの公式採用
TensorFlowの開発チームは、「TensorFlowの性能は高いが、コードが難しすぎる」という課題を解決するため、圧倒的に使いやすかったKerasに
目をつけました。TensorFlow 1.4のリリース時に、TensorFlowの内部に公式APIとしてtf.kerasが組み込まれることを発表。
●2019年 TensorFlow 2.0との完全統合
GoogleはTensorFlowの大幅なアップデートである「2.0」をリリースします。ここで、「これからのTensorFlowの標準的な書き方はKeras
（tf.keras）である」と明確に定義されました。これにより、TensorFlowの強力なインフラ構築能力と、Kerasの扱いやすさが完全に融合しました。
この時期、Meta（旧Facebook）が開発したPyTorchが研究界隈で爆発的な人気を集め始めます。PyTorchは、Python本来の直感的な書き方ができ、
デバッグがしやすい（Define-by-Run）という特徴があり、TensorFlow＋Kerasの強力なライバルとなりました。
●2023年末 「Keras 3」をリリース
ここでKerasは、再び特定のフレームワーク（TensorFlow）だけに依存しない、「マルチバックエンドAPI」へと原点回帰し、さらに進化を遂げました。
データサイエンス チュートリアル
3


# Page. 4

![Page Image](https://bcdn.docswell.com/page/LELMXYP37R.jpg)

現在のKeras
現在のKeras 3は、コードの書き方は全く同じままで、裏側
で動かす計算エンジンを以下の3つからいつでも自由に切り
替えられます。
TensorFlow
現在のKerasは、かつての「TensorFlowの初心者向け
ラッパー」という枠組みを完全に超越しました。
「AIのパラダイムがJAXやPyTorchに移り変わっても、ユー
ザーはKerasのシンプルな書き方を1度覚えれば、
Google製
企業のプロダクション環境や、長年の運用実績、
強力なデプロイ・パイプラインを持つバックエンド。
JAX Google製
最新の恩恵をすべて受けられる」という、ショレ氏
が当初から掲げていた「人間ファースト」の理想を最も高い
次元で体現しているのが、現在のKerasの姿です。
超高速な行列計算や、最新のLLM（大規模言
語モデル）研究、大規模並列処理で今最も選ば
れているバックエンド。
PyTorch
Meta製
世界中の研究コミュニティで圧倒的なシェアを持つ
バックエンド。PyTorchのエコシステム（既存モデル
やアセット）をそのままKerasから活用できます
データサイエンス チュートリアル
「JAXで超高速にモデルを訓
練し、そのモデルをPyTorch
の環境で推論させる」といった、
フレームワークの垣根を越えた
運用がKerasのコードだけで
完結！
4


# Page. 5

![Page Image](https://bcdn.docswell.com/page/4JMYLN4MJW.jpg)

現在のショレ氏の主張
AIリーダーズ会議2026 Springリポート by 日経クロステック
「未知の問題を解けるのがAGI」
AI研究者のフランソワ・ショレ氏が指摘
https://xtech.nikkei.com/atcl/nxt/column/18/03543/031000001/
ショレ氏は、2024年当時「大量のデータによる事前学習に
よって、AGIが自発的に出現すると信じられていた」。しかし
一方で、事前学習ベースのLLMはベンチマークでは優秀な
成績を収めても、実世界で運用したときの性能は大きく見劣
りしていた。
これは当時のLLMがパターンを丸暗記していただけで、学習
データから少し変化した場合に対応できず、幻覚（ハルシ
ネーション）を起こしやすかったことが原因。
ところが2024年秋にオープンAIが「OpenAI o1」をリリースし、
LLMが学習時と異なる運用環境下でも自律的に適応でき
る『テスト時適応（Test-Time Adaptation）』という事前
学習とは異なるアプローチにシフトチェンジした！
「ジェボンズのパラドックスが働くため、エンジニアの
需要は増える」
データサイエンス チュートリアル
5