Horovod on avoimen lähdekoodin kehys syväoppimismallien hajautettuun koulutukseen useilla GPU:illa tai koneilla. Alun perin Uberilla kehitetty työkalu tukee TensorFlow’ta, Kerasta, PyTorchia ja MXNetiä ja synkronoi osallistuvien koneiden laskemat gradientit ring-allreduce-menetelmällä ilman keskitettyä parametripalvelinta. Projektia isännöi LF AI & Data Foundation; uusin vakaa julkaisu, 0.28.1, on vuodelta 2023 (tilanne lokakuussa 2026).
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoTensorFlow on Googlen kehittämä ja vuonna 2015 julkaistu avoimen lähdekoodin koneoppimiskehys. Sillä rakennetaan, opetetaan ja otetaan käyttöön neuroverkkoja sovelluksissa, palvelimilla tai mobiililaitteilla. Keras tarjoaa helppokäyttöisen korkean tason rajapinnan; tyypillisiä käyttökohteita ovat kuvien luokittelu, ennustaminen ja suosittelujärjestelmät.
PyTorch 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.
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.
Kubeflow on avoimen lähdekoodin alusta koneoppimistyönkulkujen ajamiseen Kubernetesissa datan valmistelusta koulutuksen ja hyperparametrien haun kautta mallin palveluun. Alun perin Googlen käynnistämä projekti kuuluu Cloud Native Computing Foundationille, jossa se saavutti ”graduated”-aseman elokuussa 2026 (tilanne lokakuussa 2026). Se on suunnattu pääasiassa tiimeille, jotka kouluttavat omia malleja laajassa mittakaavassa omalla tai pilvi-infrastruktuurilla.
