DL4J (Eclipse Deeplearning4j) je open-source knihovna pro hluboké učení na Java Virtual Machine (JVM). Umožňuje trénovat a provozovat neuronové sítě v Javě nebo Scale, takže zapadne do stávajících podnikových systémů postavených na Javě. Součástí projektu jsou také nástroje pro import modelů z jiných frameworků. Projekt spravuje Eclipse Foundation.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoHluboké učení (deep learning) je odvětví strojového učení, které používá umělé neuronové sítě s mnoha vrstvami. Takové sítě se z velkého množství dat samy učí, na kterých rysech záleží – od hran v obrazech po významové vztahy v textech. Hluboké učení stojí za dnešními jazykovými modely, rozpoznáváním obrazu a řeči i strojovým překladem a obvykle vyžaduje značný výpočetní výkon a množství trénovacích dat.
TensorFlow je open-source framework pro strojové učení, který vyvinul Google a vydal v roce 2015. Používá se k tvorbě, trénování a nasazení neuronových sítí v aplikacích, na serverech nebo na mobilních zařízeních. Keras nabízí přístupné vysokoúrovňové rozhraní; typické využití zahrnuje klasifikaci obrázků, předpovědi a doporučovací systémy.
Keras je open-source knihovna v Pythonu pro tvorbu a trénování neuronových sítí, původně vyvinutá Françoisem Cholletem. Nabízí přístupné rozhraní vysoké úrovně pro skládání modelů z vrstev. Od verze 3 může Keras jako výpočetní backend běžet na JAX, TensorFlow nebo PyTorch. Příklad: tým vytvoří prototyp modelu pro klasifikaci obrázků jen v několika řádcích kódu.
PyTorch je open-source framework pro strojové a hluboké učení v programovacím jazyce Python. Původně jej vyvinula společnost Meta (tehdy Facebook) a od roku 2022 jej zaštiťuje PyTorch Foundation pod hlavičkou Linux Foundation. PyTorch je široce rozšířený ve výzkumu i průmyslu, protože vývojářům umožňuje flexibilně sestavovat modely, trénovat je na GPU a krok za krokem je testovat; je na něm postavena řada známých jazykových a obrazových modelů.
