fastai es una biblioteca de Python de código abierto para deep learning construida sobre PyTorch. Reúne configuraciones por defecto probadas, de modo que puedes entrenar modelos de imagen, texto o datos tabulares con pocas líneas de código, sin renunciar a ajustes profundos en cada nivel. Nació en el entorno de la iniciativa formativa fast.ai y acompaña sus cursos gratuitos, por lo que es habitual en la enseñanza y para probar modelos con rapidez.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoPyTorch es un framework de código abierto para aprendizaje automático y aprendizaje profundo en el lenguaje Python. Nació en Meta (entonces Facebook) y desde 2022 lo gestiona la PyTorch Foundation, bajo el paraguas de la Linux Foundation. Está muy extendido en investigación e industria porque permite construir modelos con flexibilidad, entrenarlos en GPU y probarlos paso a paso; muchos modelos de lenguaje e imagen conocidos se desarrollan con él.
El aprendizaje profundo (deep learning) es una rama del aprendizaje automático que utiliza redes neuronales artificiales con muchas capas. Estas redes aprenden por sí mismas, a partir de grandes cantidades de datos, qué rasgos son importantes, desde bordes en imágenes hasta relaciones de significado en textos. Es la base de los modelos de lenguaje actuales, del reconocimiento de imágenes y voz y de la traducción automática, y suele requerir mucha potencia de cálculo y datos.
En el aprendizaje por transferencia (transfer learning), un modelo que ya ha aprendido una tarea amplia y general sirve como punto de partida para otra nueva y específica. En lugar de empezar de cero, se adapta, por ejemplo mediante ajuste fino, con relativamente pocos datos propios. Así ahorras cómputo y datos, por ejemplo cuando un modelo de imágenes general debe aprender a detectar defectos de fabricación en fotos.
Keras es una biblioteca de Python de código abierto para crear y entrenar redes neuronales, desarrollada originalmente por François Chollet. Ofrece una interfaz de alto nivel, fácil de usar, para montar modelos a partir de capas. Desde la versión 3, Keras puede funcionar con JAX, TensorFlow o PyTorch como motor de cálculo. Ejemplo: un equipo crea en pocas líneas un prototipo de modelo de clasificación de imágenes.
