Apache MXNet fue un framework de deep learning de código abierto capaz de entrenar modelos de forma eficiente en varias GPU y máquinas, con interfaces para Python, C++, R, Scala y otros lenguajes. Amazon Web Services lo respaldó durante algunos años como su framework preferido. La Apache Software Foundation retiró el proyecto en septiembre de 2023 y lo trasladó al Apache Attic en febrero de 2024; ya no se desarrolla. Los modelos existentes suelen migrarse a otros frameworks.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoBMXNet es una biblioteca de código abierto para redes neuronales binarias, publicada en 2017 por el Hasso-Plattner-Institut de Potsdam y basada en el framework Apache MXNet. Las redes binarias guardan pesos y activaciones con un solo bit en lugar de 32, lo que hace los modelos mucho más pequeños y rápidos: algo útil para móviles y dispositivos integrados, aunque normalmente a costa de precisión. Como MXNet se retiró en 2023, hoy BMXNet tiene sobre todo interés para la investigación (a octubre de 2026).
PyTorch 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.
TensorFlow es un framework de código abierto para aprendizaje automático desarrollado por Google y publicado en 2015. Sirve para construir, entrenar y desplegar redes neuronales en aplicaciones, servidores o dispositivos móviles. Con Keras ofrece una interfaz de alto nivel fácil de usar; se emplea, por ejemplo, en clasificación de imágenes, previsiones o sistemas de recomendación.
Open Neural Network Exchange (ONNX) es un formato de archivo abierto para modelos de machine learning, presentado en 2017 por Microsoft y Facebook (hoy Meta) y alojado actualmente en la LF AI & Data Foundation. Un modelo entrenado, por ejemplo, en PyTorch puede exportarse a ONNX y ejecutarse con otras herramientas o entornos como ONNX Runtime. Esto facilita cambiar de framework y desplegar en distinto hardware.
