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.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoTensorFlow 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.
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.
Torch es un framework de código abierto para aprendizaje automático basado en el lenguaje de scripts Lua; su versión Torch7 se usó mucho en investigación e industria durante la década de 2010. Se considera el predecesor de PyTorch, que adoptó ideas y parte de sus bibliotecas en C, pero utiliza Python. Según su repositorio oficial, Torch ya no se desarrolla activamente y apenas tiene relevancia para proyectos nuevos.
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.
