Open Neural Network Exchange (ONNX) è un formato di file aperto per modelli di machine learning, presentato nel 2017 da Microsoft e Facebook (oggi Meta) e oggi gestito dalla LF AI & Data Foundation. Un modello addestrato ad esempio in PyTorch può essere esportato in ONNX ed eseguito con altri strumenti o ambienti di esecuzione come ONNX Runtime. Ciò facilita il passaggio tra framework e l’uso su hardware diversi.
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.
TensorFlow è un framework open source per l'apprendimento automatico sviluppato da Google e pubblicato nel 2015. Serve a costruire, addestrare e mettere in produzione reti neurali in applicazioni, su server o su dispositivi mobili. Con Keras offre un'interfaccia di alto livello facile da usare; impieghi tipici sono la classificazione di immagini, le previsioni e i sistemi di raccomandazione.
Apache MXNet era un framework open source per il deep learning, in grado di addestrare modelli in modo efficiente su più GPU e macchine, con interfacce per Python, C++, R, Scala e altri linguaggi. Per alcuni anni Amazon Web Services lo ha sostenuto come framework preferito. La Apache Software Foundation ha ritirato il progetto nel settembre 2023 e lo ha trasferito nell’Apache Attic entro febbraio 2024; non viene più sviluppato. I modelli esistenti vengono di solito migrati ad altri framework.
Scikit-learn è una libreria Python open source per l'apprendimento automatico classico. Offre strumenti uniformi per classificazione, regressione, clustering, riduzione della dimensionalità, pre-elaborazione dei dati e valutazione dei modelli, ad esempio la convalida incrociata. Basata su NumPy e SciPy, è molto diffusa in formazione, ricerca e pratica grazie alla sua interfaccia semplice e coerente. Per le reti neurali profonde si usano invece di solito framework come PyTorch o TensorFlow.
