fastai on PyTorchin päälle rakennettu avoimen lähdekoodin Python-kirjasto syväoppimiseen. Se kokoaa yhteen hyväksi havaitut oletusasetukset, jolloin kuvia, tekstiä tai taulukkodataa koskevia malleja voi kouluttaa muutamalla koodirivillä, mutta sitä voi silti mukauttaa syvällisesti jokaisella tasolla. Se on kasvanut fast.ai-oppimisaloitteesta ja tukee sen ilmaisia kursseja, minkä vuoksi se on suosittu koulutuksessa ja mallien nopeassa kokeilussa.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoPyTorch on avoimen lähdekoodin kehys koneoppimiseen ja syväoppimiseen Python-ohjelmointikielellä. Se kehitettiin alun perin Metalla (silloin Facebook), ja vuodesta 2022 sitä on ylläpitänyt PyTorch Foundation Linux Foundationin alaisuudessa. PyTorchia käytetään laajasti tutkimuksessa ja teollisuudessa, koska sen avulla kehittäjät voivat rakentaa malleja joustavasti, opettaa niitä GPU:illa ja testata niitä vaihe vaiheelta; monet tunnetut kieli- ja kuvamallit on rakennettu sillä.
Syväoppiminen on koneoppimisen haara, joka käyttää tekoälyn keinotekoisia neuroverkkoja, joissa on monta kerrosta. Tällaiset verkot oppivat suurista datamääristä, mitkä piirteet ovat tärkeitä – kuvien reunoista tekstien merkityssuhteisiin. Syväoppiminen on nykyisten kielimallien, kuvan- ja puheentunnistuksen sekä konekäännöksen perusta, ja se vaatii yleensä paljon laskentatehoa ja koulutusdataa.
Siirto-oppimisessa malli, joka on jo oppinut suuren yleisen tehtävän, toimii lähtökohtana uudelle, erikoistuneelle mallille. Alusta aloittamisen sijaan se mukautetaan, esimerkiksi hienosäädöllä, suhteellisen vähällä omalla datalla. Tämä säästää laskenta-aikaa ja dataa, esimerkiksi kun yleiskuvamallin halutaan oppivan havaitsemaan tuotantovirheitä valokuvista.
Keras on avoimen lähdekoodin Python-kirjasto neuroverkkojen rakentamiseen ja kouluttamiseen, jonka alun perin kehitti François Chollet. Se tarjoaa helppokäyttöisen, korkean tason rajapinnan mallien kokoamiseen kerroksista. Versiosta 3 alkaen Keras voi toimia JAX:n, TensorFlow’n tai PyTorchin päällä laskennan taustajärjestelmänä. Esimerkki: tiimi rakentaa kuvaluokittelumallin prototyypin vain muutamalla koodirivillä.
