텍스트 쪽 같은 발상. KerasHub 에 BERT, GPT-2, Llama, Gemma, Mistral 다 들어있고 task head (classification, generation) 와 tokenizer 가 모델에 묶여있어. LoRA fine-tuning 은 parameter 한 개. 'Gemma 를 내 데이터로 fine-tune 하고 싶다' 에서 saved model 까지 반나절 코스.
이름 한 번 바뀐 거, 머릿속 모델은 하나
KerasNLP 는 원래 text / LLM 전용 패키지였어 — pretrained transformer, 짝 맞는 tokenizer, task head 다 한 묶음. 2024 년 9 월에 KerasHub 로 rename 됐는데 이게 단순 간판 교체가 아니야. 옛날 vision 라이브러리 (KerasCV) 까지 같은 hub 로 흡수돼서, 이제 text·vision·audio 모델이 전부 똑같은 from_preset() 문으로 들어와. 여기서 패턴 한 번 익히면 다른 modality 에 그대로 transfer 돼.
keras_nlp import 는 backward compat 으로 아직 살아있어 — 옛 튜토리얼 안 깨지라고. 근데 새 코드는 keras_hub 써. 2023 년식 snippet 이 keras_nlp import 하고 있어도 틀린 게 아니라 그냥 옛날 거야. import 만 바꾸면 나머지 API 는 동일.
'hub' 가 진짜 주는 게 뭐냐면
hub 의 핵심은 — 모델이 weight 덩어리만이 아니라는 거. preset 하나에 architecture + pretrained weight + 그 모델이 학습된 바로 그 tokenizer 가 같이 묶여 와. 셋이 절대 따로 놀 수 없어. 이 보장 하나 덕분에 이 track 전체가 빨라져 — 앞으로 나올 lesson (pretrained model, tokenizer, classification, generation, LoRA) 은 결국 같은 from_preset() 객체에 다른 동사 붙이는 것뿐이야.