Horovod je open-source okvir za distribuirano treniranje modela dubokog učenja na mnogo GPU-ova ili strojeva. Izvorno razvijen u tvrtki Uber, podržava TensorFlow, Keras, PyTorch i MXNet te sinkronizira gradijente koje izračunavaju strojevi koji sudjeluju pomoću ring-allreduce metode, bez središnjeg poslužitelja parametara. Projekt hostira zaklada LF AI & Data Foundation; posljednje stabilno izdanje, 0.28.1, datira iz 2023. (stanje: listopad 2026.).
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoTensorFlow je okvir za strojno učenje otvorenog koda koji je razvio Google, a objavljen je 2015. Koristi se za izgradnju, treniranje i primjenu neuronskih mreža u aplikacijama, na poslužiteljima ili na mobilnim uređajima. Keras nudi pristupačno sučelje visoke razine; tipične primjene su klasifikacija slika, prognoziranje i sustavi preporuka.
PyTorch je okvir otvorenog koda za strojno i duboko učenje u programskom jeziku Python. Izvorno je razvijen u Meti (tada Facebook), a od 2022. njime upravlja PyTorch Foundation pod okriljem Linux Foundation. PyTorch se naširoko koristi u istraživanju i industriji jer programerima omogućuje fleksibilnu izgradnju modela, njihovo treniranje na GPU-ovima i testiranje korak po korak; mnogi poznati jezični i slikovni modeli izgrađeni su s njime.
Keras je open-source Python biblioteka za izgradnju i treniranje neuronskih mreža, koju je izvorno razvio François Chollet. Nudi pristupačno sučelje visoke razine za sastavljanje modela od slojeva. Od verzije 3 Keras se može izvoditi na JAX-u, TensorFlowu ili PyTorchu kao računalnoj pozadini. Primjer: tim u samo nekoliko redaka koda gradi prototip modela za klasifikaciju slika.
Kubeflow je open-source platforma za pokretanje tijekova rada strojnog učenja na Kubernetesu, od pripreme podataka preko treniranja i pretrage hiperparametara do posluživanja modela. Projekt, koji je izvorno pokrenuo Google, pripada zakladi Cloud Native Computing Foundation, gdje je u kolovozu 2026. dosegao status „graduated” (stanje: listopad 2026.). Namijenjen je prvenstveno timovima koji u velikom opsegu treniraju vlastite modele na vlastitoj ili oblačnoj infrastrukturi.
