„Horovod“ yra atvirojo kodo karkasas, skirtas giluminio mokymosi modelių paskirstytajam mokymui keliuose GPU ar kompiuteriuose. Iš pradžių sukurtas „Uber“, jis palaiko „TensorFlow“, „Keras“, „PyTorch“ ir „MXNet“ ir dalyvaujančių kompiuterių apskaičiuotus gradientus sinchronizuoja naudodamas ring-allreduce, be centrinio parametrų serverio. Projektą talpina LF AI & Data Foundation; naujausias stabilus leidimas 0.28.1 yra iš 2023 m. (2026 m. spalio mėn. duomenimis).
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąTensorFlow – atvirojo kodo mašininio mokymosi karkasas, sukurtas Google ir išleistas 2015 m. Jis naudojamas neuroniniams tinklams kurti, mokyti ir diegti programose, serveriuose ar mobiliuosiuose įrenginiuose. Keras suteikia patogią aukšto lygio sąsają; tipiniai taikymai: vaizdų klasifikavimas, prognozavimas ir rekomendacijų sistemos.
PyTorch – atvirojo kodo mašininio ir giliojo mokymosi karkasas Python programavimo kalbai. Iš pradžių jį sukūrė Meta (tuomet Facebook), o nuo 2022 m. jį prižiūri Linux Foundation priklausantis PyTorch Foundation. PyTorch plačiai naudojamas moksle ir pramonėje, nes leidžia kūrėjams lanksčiai kurti modelius, mokyti juos GPU ir išbandyti žingsnis po žingsnio; juo sukurta daug žinomų kalbos ir vaizdų modelių.
„Keras“ yra atvirojo kodo „Python“ biblioteka neuroniniams tinklams kurti ir mokyti, iš pradžių sukurta François Chollet. Ji siūlo patogią aukšto lygio sąsają modeliams iš sluoksnių surinkti. Nuo 3 versijos „Keras“ gali veikti su „JAX“, „TensorFlow“ ar „PyTorch“ kaip skaičiavimo pagrindu. Pavyzdys: komanda vos keliomis kodo eilutėmis sukuria vaizdų klasifikavimo modelio prototipą.
„Kubeflow“ yra atvirojo kodo platforma mašininio mokymosi darbo eigoms vykdyti ant „Kubernetes“, nuo duomenų paruošimo per mokymą ir hiperparametrų paiešką iki modelių teikimo. Iš pradžių ją inicijavo „Google“, projektas priklauso Cloud Native Computing Foundation, kur 2026 m. rugpjūtį pasiekė būseną „graduated“ (2026 m. spalio mėn. duomenimis). Ji skirta daugiausia komandoms, kurios dideliu mastu moko savo modelius savo ar debesijos infrastruktūroje.
