Keras 3 如何帮助 Expedia 现代化其排序系统

一条推文背后的工程升级

近日，一条关于 Keras 3 帮助 Expedia 现代化其排序（ranking）技术栈的信息在技术圈流传。虽然原始素材仅是一则简短的分享链接，但它指向了一个当下机器学习工程领域颇具代表性的话题：大型企业如何借助新一代深度学习框架，重构其核心业务的推荐与排序系统。

对于 Expedia 这样的在线旅游平台而言，排序系统几乎是命脉所在——用户搜索酒店、机票时看到的结果顺序，直接影响转化率与营收。因此，任何对排序技术栈的现代化改造，都是牵一发而动全身的工程决策。

为什么是 Keras 3

Keras 3 是 Keras 框架的一次重大重写，其最大亮点在于多后端支持：同一套模型代码可以在 TensorFlow、PyTorch 和 JAX 之间自由切换。这一特性对大型企业尤为关键，因为它意味着团队不再被单一框架锁定，可以根据训练效率、部署环境或团队技术偏好灵活选择底层引擎。

对 Expedia 这类拥有历史技术债的公司来说，框架迁移往往成本高昂。Keras 3 提供的兼容性和统一 API，理论上能显著降低从旧有系统迁移的摩擦，让工程团队在保留业务逻辑的同时，逐步替换底层实现。

排序系统现代化的典型痛点

企业级排序系统在长期迭代中通常会积累几类问题：训练与推理代码分裂、框架版本陈旧难以升级、实验迭代速度慢、以及新模型架构难以快速落地。这些问题在旅游、电商等高频交易场景中会被进一步放大。

借助现代化框架重构排序栈，核心目标往往是提升实验迭代速度与模型可维护性，让数据科学家能够更快地尝试新的排序算法，并将其安全地推向生产环境。

Keras 3 于2023年底正式发布（此前经历较长时间的预览期），是对原 Keras 的彻底重构而非渐进升级。原有的 tf.keras 与 Keras 独立版本长期并存造成社区碎片化，Keras 3 通过引入统一的后端抽象层（backend abstraction layer）来解决这一问题——开发者只需调用 keras.layers、keras.Model 等统一 API，底层计算图的构建与执行则委托给选定的后端。切换后端只需设置环境变量 KERAS_BACKEND=torch 或 KERAS_BACKEND=jax，无需修改模型代码本身。这种设计在工程实践中意味着：模型研发阶段可用 JAX 的 jit 编译获得极致训练速度，部署阶段切换到 TensorFlow Serving 成熟的推理基础设施，而同一份模型定义代码全程保持不变。

企业级推荐排序系统通常采用**Learning to Rank（LTR）**范式，常见方法分为 Pointwise（对每个候选项独立打分）、Pairwise（比较两两相对顺序）和 Listwise（直接优化整个列表的排列质量）三类。Expedia 这类旅游平台面临的特殊挑战在于排序信号的异构性：酒店排名需要同时融合用户历史行为、价格弹性、库存状态、季节性模式等差异极大的特征，传统基于 GBDT（梯度提升决策树）的 LTR 方案在特征交叉与序列行为建模上存在天花板，这也是推动其向深度学习排序架构迁移的核心动因之一。

框架选型对工程团队的意义

Keras 3 的价值不仅在于技术特性，更在于它为团队协作提供的统一语言。当研究团队偏好 JAX 的高性能、而生产团队依赖 TensorFlow 的成熟部署生态时，一套可跨后端运行的代码能极大缓解协作摩擦。

这也反映出深度学习框架竞争进入了新阶段：单纯比拼性能已不够，开发者体验、迁移成本与生态兼容性成为企业选型的关键考量。Expedia 的案例（如原文所述）正是这一趋势的一个注脚。

JAX 由 Google Research 开发，其核心优势在于函数式编程风格与 jit（即时编译）、vmap（向量化映射）、grad（自动微分）的可组合性，在大批量矩阵运算和分布式训练场景下往往比 PyTorch 和 TensorFlow 有更高的硬件利用率，因此在学术研究和追求极致训练效率的场景中颇受青睐。TensorFlow 则在生产部署生态（TF Serving、TFLite、TF.js）的成熟度上具有明显优势。PyTorch 凭借动态图和丰富的社区生态，已成为工业界 ML 研发的主流选择。Keras 3 的多后端策略本质上是在这三个各有侧重的生态之间架设桥梁，让企业得以按需取用，而不必为框架选型做非此即彼的赌注。

对行业的参考价值

需要说明的是，本文所依据的原始素材信息有限，仅为一则指向 Expedia 工程分享的链接，具体的技术细节、性能提升数据与迁移实践尚需查阅完整原文。

尽管如此，这类企业实践对广大 ML 工程团队仍有借鉴意义：在框架快速演进的当下，选择一个具备多后端能力、迁移友好的框架，可能是应对未来不确定性的稳妥策略。对于正在评估技术栈升级的团队而言，Expedia 的路径值得持续关注。