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.
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.
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.
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.
Scikit-learn es una biblioteca de Python de código abierto para el aprendizaje automático clásico. Ofrece herramientas homogéneas para clasificación, regresión, clustering, reducción de dimensionalidad, preprocesamiento de datos y evaluación de modelos, como la validación cruzada. Basada en NumPy y SciPy, está muy extendida en formación, investigación y práctica por su interfaz sencilla y coherente. Para redes neuronales profundas se suelen usar en cambio frameworks como PyTorch o TensorFlow.
