Chainer est un framework open source de deep learning pour Python, développé par l'entreprise japonaise Preferred Networks. Il a popularisé l'approche « define-by-run » : le réseau de neurones se construit pendant le calcul, ce qui facilite les essais avec des architectures flexibles. Depuis décembre 2019, Chainer est uniquement maintenu et n'évolue plus ; Preferred Networks est passé à PyTorch, qui repose sur le même principe.
Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.
Lancer la démoPyTorch est un framework open source d'apprentissage automatique et d'apprentissage profond pour le langage Python. Développé à l'origine chez Meta (alors Facebook), il est géré depuis 2022 par la PyTorch Foundation, rattachée à la Linux Foundation. PyTorch est très répandu dans la recherche et l'industrie, car il permet de construire des modèles de façon flexible, de les entraîner sur GPU et de les tester pas à pas ; de nombreux modèles de langage et d'image connus sont conçus avec lui.
TensorFlow est un framework open source d'apprentissage automatique développé par Google et publié en 2015. Il permet de concevoir, d'entraîner et de déployer des réseaux de neurones dans des applications, sur des serveurs ou des appareils mobiles. Keras en constitue l'interface de haut niveau accessible ; les usages typiques vont de la classification d'images aux prévisions et aux systèmes de recommandation.
L'apprentissage profond (deep learning) est une branche de l'apprentissage automatique qui utilise des réseaux de neurones artificiels à nombreuses couches. Ces réseaux apprennent eux-mêmes, à partir de grandes quantités de données, quelles caractéristiques comptent – des contours dans les images aux liens de sens dans les textes. Il est à la base des modèles de langage actuels, de la reconnaissance d'images et de la parole ainsi que de la traduction automatique, et exige généralement beaucoup de puissance de calcul et de données.
Apache MXNet était un framework open source de deep learning capable d’entraîner efficacement des modèles sur plusieurs GPU et machines, avec des interfaces pour Python, C++, R, Scala et d’autres langages. Amazon Web Services l’a soutenu pendant quelques années comme framework privilégié. L’Apache Software Foundation a mis fin au projet en septembre 2023 et l’a transféré dans l’Apache Attic en février 2024 ; il n’est plus développé. Les modèles existants sont généralement migrés vers d’autres frameworks.
