Glossaire

fastai

Qu’est-ce que fastai ?

fastai est une bibliothèque Python open source d’apprentissage profond, construite sur PyTorch. Elle regroupe des réglages par défaut éprouvés, ce qui permet d’entraîner des modèles pour l’image, le texte ou les données tabulaires en quelques lignes de code, tout en autorisant une personnalisation poussée à chaque niveau. Issue de l’initiative pédagogique fast.ai, dont elle accompagne les cours gratuits, elle est très utilisée en formation et pour tester rapidement des modèles.

Thèmes

Bibliothèque Python
Apprentissage profond
Open source

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

PyTorch

PyTorch 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.

framework
apprentissage profond
+1

Apprentissage profond

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.

réseaux de neurones
apprentissage automatique
+1

Apprentissage par transfert

Dans l'apprentissage par transfert (transfer learning), un modèle déjà entraîné sur une vaste tâche générale sert de point de départ pour une tâche nouvelle et spécialisée. Au lieu de repartir de zéro, on l'adapte, par exemple par réglage fin, avec relativement peu de données propres. On économise ainsi temps de calcul et données, par exemple lorsqu'un modèle d'images généraliste doit apprendre à repérer des défauts de fabrication sur des photos.

Machine learning
Entraînement
+1

Keras

Keras est une bibliothèque Python open source pour concevoir et entraîner des réseaux de neurones, développée à l'origine par François Chollet. Elle offre une interface de haut niveau, facile à prendre en main, pour assembler des modèles couche par couche. Depuis la version 3, Keras peut fonctionner au choix avec JAX, TensorFlow ou PyTorch comme moteur de calcul. Exemple : une équipe crée en quelques lignes un prototype de modèle de classification d'images.

Apprentissage profond
Bibliothèque
+1