Chainer ist ein quelloffenes Deep-Learning-Framework für Python, das der japanische Anbieter Preferred Networks entwickelt hat. Es machte das Prinzip „Define-by-Run“ bekannt: Das neuronale Netz entsteht erst während der Berechnung, was Experimente mit flexiblen Modellstrukturen erleichtert. Seit Dezember 2019 wird Chainer nur noch gewartet, nicht mehr weiterentwickelt; Preferred Networks ist auf PyTorch umgestiegen, das ebenfalls nach diesem Prinzip arbeitet.
Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.
Demo startenPyTorch ist ein quelloffenes Framework für maschinelles Lernen und Deep Learning in der Programmiersprache Python. Es wurde ursprünglich bei Meta (damals Facebook) entwickelt und wird seit 2022 von der PyTorch Foundation unter dem Dach der Linux Foundation betreut. PyTorch ist in Forschung und Industrie weit verbreitet, weil sich Modelle damit flexibel bauen, auf Grafikkarten trainieren und schrittweise testen lassen; viele bekannte Sprach- und Bildmodelle entstehen damit.
TensorFlow ist ein von Google entwickeltes Open-Source-Framework für maschinelles Lernen, das 2015 veröffentlicht wurde. Es dient dazu, neuronale Netze zu bauen, zu trainieren und in Anwendungen, auf Servern oder mobilen Geräten einzusetzen. Mit Keras bietet es eine leicht zugängliche Programmierschnittstelle; typische Einsätze sind Bildklassifikation, Prognosen oder Empfehlungssysteme.
Deep Learning ist ein Teilbereich des maschinellen Lernens, der künstliche neuronale Netze mit vielen Schichten nutzt. Solche Netze lernen aus großen Datenmengen selbstständig, welche Merkmale wichtig sind – von Kanten in Bildern bis zu Bedeutungszusammenhängen in Texten. Deep Learning bildet die Grundlage heutiger Sprachmodelle, der Bild- und Spracherkennung sowie der maschinellen Übersetzung und benötigt meist viel Rechenleistung und Trainingsdaten.
Apache MXNet war ein quelloffenes Deep-Learning-Framework, das Modelle effizient auf mehreren Grafikprozessoren und Rechnern trainieren konnte und Schnittstellen für Python, C++, R, Scala und weitere Sprachen bot. Amazon Web Services unterstützte es einige Jahre als bevorzugtes Framework. Das Projekt wurde im September 2023 von der Apache Software Foundation eingestellt und bis Februar 2024 ins Apache Attic verschoben; es wird nicht mehr weiterentwickelt. Bestehende Modelle werden meist auf andere Frameworks migriert.
