O Keras é uma biblioteca Python de código aberto para construir e treinar redes neuronais, desenvolvida originalmente por François Chollet. Oferece uma interface acessível, de alto nível, para montar modelos a partir de camadas. Desde a versão 3, o Keras pode funcionar com JAX, TensorFlow ou PyTorch como backend de cálculo. Exemplo: uma equipa constrói um protótipo de modelo de classificação de imagens com apenas algumas linhas de código.
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoO TensorFlow é uma framework de aprendizagem automática de código aberto desenvolvida pela Google e lançada em 2015. É utilizada para construir, treinar e implementar redes neuronais em aplicações, em servidores ou em dispositivos móveis. O Keras oferece uma interface de alto nível acessível; entre as utilizações típicas contam-se a classificação de imagens, a previsão e os sistemas de recomendação.
O PyTorch é uma framework de código aberto para aprendizagem automática e aprendizagem profunda na linguagem de programação Python. Foi desenvolvido originalmente na Meta (então Facebook) e é gerido desde 2022 pela PyTorch Foundation, sob a égide da Linux Foundation. O PyTorch é muito utilizado na investigação e na indústria porque permite aos programadores construir modelos com flexibilidade, treiná-los em GPU e testá-los passo a passo; muitos modelos de linguagem e de imagem conhecidos são construídos com ele.
O deep learning é um ramo do machine learning que utiliza redes neuronais artificiais com muitas camadas. Estas redes aprendem, a partir de grandes quantidades de dados, quais as características relevantes – desde arestas em imagens a relações de significado em textos. O deep learning está na base dos atuais modelos de linguagem, do reconhecimento de imagem e de voz e da tradução automática, e exige normalmente uma capacidade de cálculo e dados de treino consideráveis.
As redes neuronais artificiais (RNA) são modelos computacionais compostos por muitas unidades ligadas ("neurónios") dispostas em camadas, que processam entradas através de ligações ponderadas. Durante o treino, os pesos são ajustados passo a passo com exemplos, normalmente por retropropagação. As RNA são a base do deep learning e alimentam o reconhecimento de imagem, o reconhecimento de voz e os grandes modelos de linguagem. Apesar da inspiração biológica, funcionam de forma muito mais simples do que o cérebro humano.
