A fastai egy nyílt forráskódú Python-könyvtár mélytanuláshoz, amely a PyTorch-ra épül. Bevált alapbeállításokat fog össze, így képekhez, szövegekhez vagy táblázatos adatokhoz néhány sornyi kóddal taníthatók modellek, miközben minden szinten mélyreható testreszabást tesz lehetővé. A fast.ai oktatási kezdeményezésből nőtt ki, és annak ingyenes kurzusait kíséri, ezért népszerű az oktatásban és modellek gyors kipróbálásához.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA PyTorch egy nyílt forráskódú keretrendszer gépi tanuláshoz és mélytanuláshoz a Python programozási nyelvben. Eredetileg a Metánál (akkor még Facebook) fejlesztették, 2022 óta pedig a Linux Foundation égisze alatt működő PyTorch Foundation gondozza. A PyTorchot széles körben használják a kutatásban és az iparban, mert rugalmasan építhetők vele modellek, taníthatók GPU-kon, és lépésről lépésre tesztelhetők; számos ismert nyelvi és képi modell készült vele.
A mélytanulás a gépi tanulás egyik ága, amely sok rétegű mesterséges neurális hálókat használ. Az ilyen hálók nagy adatmennyiségből tanulják meg, mely jellemzők számítanak – a képek éleitől a szövegek jelentésbeli összefüggéseiig. A mélytanulás áll a mai nyelvi modellek, a kép- és beszédfelismerés, valamint a gépi fordítás mögött, és általában jelentős számítási teljesítményt és tanítóadatot igényel.
A transzferalapú tanulás (transfer learning) során egy olyan modell szolgál kiindulópontként egy új, specializált modellhez, amely már megtanult egy nagy, általános feladatot. A nulláról indulás helyett igazítják, például finomhangolással, viszonylag kevés saját adat felhasználásával. Ez számítási időt és adatot takarít meg, például amikor egy általános képi modellnek meg kell tanulnia a gyártási hibák felismerését fényképeken.
A Keras egy nyílt forráskódú Python-könyvtár neurális hálók építéséhez és tanításához, amelyet eredetileg François Chollet fejlesztett. Könnyen használható, magas szintű felületet kínál modellek rétegekből való összeállításához. A 3-as verzió óta a Keras a JAX, a TensorFlow vagy a PyTorch számítási háttérrendszeren is futhat. Példa: egy csapat néhány sornyi kóddal épít egy képosztályozó modell prototípusát.
