fastai è una libreria Python open source per il deep learning basata su PyTorch. Raccoglie impostazioni predefinite collaudate, così che si possano addestrare modelli per immagini, testi o dati tabellari con poche righe di codice, pur consentendo interventi profondi a ogni livello. È nata nell’ambito dell’iniziativa formativa fast.ai e ne accompagna i corsi gratuiti; per questo è diffusa nella didattica e nella sperimentazione rapida di modelli.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoPyTorch è un framework open source per l'apprendimento automatico e il deep learning nel linguaggio Python. È nato in Meta (allora Facebook) e dal 2022 è gestito dalla PyTorch Foundation, nell'ambito della Linux Foundation. È molto diffuso nella ricerca e nell'industria perché permette di costruire modelli in modo flessibile, addestrarli su GPU e testarli passo dopo passo; molti noti modelli linguistici e di immagini sono sviluppati con PyTorch.
Il deep learning (apprendimento profondo) è un ramo del machine learning che utilizza reti neurali artificiali con molti strati. Queste reti imparano da grandi quantità di dati quali caratteristiche sono rilevanti, dai bordi nelle immagini ai legami di significato nei testi. Il deep learning è alla base degli attuali modelli linguistici, del riconoscimento di immagini e voce e della traduzione automatica, e di solito richiede molta potenza di calcolo e molti dati di addestramento.
Nel transfer learning un modello che ha già imparato un compito ampio e generale viene usato come punto di partenza per un compito nuovo e specifico. Invece di partire da zero, lo si adatta, ad esempio con il fine-tuning, usando relativamente pochi dati propri. Si risparmiano così calcolo e dati, ad esempio quando un modello generico per immagini deve imparare a riconoscere difetti di produzione nelle foto.
Keras è una libreria Python open source per costruire e addestrare reti neurali, sviluppata originariamente da François Chollet. Offre un'interfaccia di alto livello, semplice da usare, con cui comporre modelli a partire da strati. Dalla versione 3 Keras può funzionare con JAX, TensorFlow o PyTorch come motore di calcolo. Esempio: un team realizza in poche righe un prototipo di modello per classificare immagini.
