fastai е библиотека с отворен код на Python за дълбоко обучение, изградена върху PyTorch. Тя обединява доказани настройки по подразбиране, така че модели за изображения, текст или таблични данни да могат да се обучават с няколко реда код, като същевременно позволява задълбочено персонализиране на всяко ниво. Възниква от образователната инициатива fast.ai и съпровожда нейните безплатни курсове, затова е популярна в обучението и за бързо изпробване на модели.
Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.
Стартирайте демотоPyTorch е фреймуърк с отворен код за машинно обучение и дълбоко обучение на програмния език Python. Първоначално е разработен в Meta (тогава Facebook), а от 2022 г. се поддържа от PyTorch Foundation под егидата на Linux Foundation. PyTorch се използва широко в научните изследвания и в индустрията, защото позволява на разработчиците да изграждат моделите гъвкаво, да ги обучават на графични процесори и да ги тестват стъпка по стъпка; с него са изградени много известни езикови и графични модели.
Дълбокото обучение е дял от машинното обучение, който използва изкуствени невронни мрежи с много слоеве. Такива мрежи се учат от големи количества данни кои характеристики са важни – от ръбове в изображенията до смислови връзки в текстовете. Дълбокото обучение е в основата на съвременните езикови модели, на разпознаването на образи и реч и на машинния превод и обикновено изисква значителна изчислителна мощност и много обучителни данни.
При трансферното обучение модел, който вече е усвоил голяма обща задача, служи като отправна точка за нов, специализиран модел. Вместо да се започва от нула, той се адаптира, например чрез фина настройка, със сравнително малко собствени данни. Това спестява изчислително време и данни, например когато общ модел за изображения трябва да се научи да открива производствени дефекти по снимки.
Keras е библиотека с отворен код на Python за изграждане и обучение на невронни мрежи, първоначално разработена от François Chollet. Тя предлага достъпен интерфейс на високо ниво за сглобяване на модели от слоеве. От версия 3 Keras може да работи с JAX, TensorFlow или PyTorch като изчислителна основа. Пример: екип изгражда прототип на модел за класификация на изображения само с няколко реда код.
