fastai este o bibliotecă Python open-source pentru deep learning, construită peste PyTorch. Reunește setări implicite verificate, astfel încât modele pentru imagini, text sau date tabelare să poată fi antrenate cu câteva linii de cod, permițând totodată personalizarea profundă la orice nivel. A apărut din inițiativa de învățare fast.ai și însoțește cursurile sale gratuite, motiv pentru care este populară în educație și pentru încercarea rapidă a modelelor.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulPyTorch este un framework open-source pentru învățare automată și învățare profundă în limbajul de programare Python. A fost dezvoltat inițial la Meta (pe atunci Facebook) și este administrat din 2022 de PyTorch Foundation, sub egida Linux Foundation. PyTorch este larg răspândit în cercetare și industrie deoarece le permite dezvoltatorilor să construiască flexibil modele, să le antreneze pe GPU-uri și să le testeze pas cu pas; multe modele lingvistice și de imagine cunoscute sunt construite cu el.
Deep learning este o ramură a machine learning care folosește rețele neuronale artificiale cu multe straturi. Astfel de rețele învață din cantități mari de date ce trăsături contează – de la muchiile din imagini până la relațiile de sens din texte. Deep learning stă la baza modelelor lingvistice actuale, a recunoașterii imaginilor și a vorbirii și a traducerii automate și necesită, de regulă, o putere de calcul și date de antrenare considerabile.
În învățarea prin transfer, un model care a învățat deja o sarcină generală amplă servește drept punct de pornire pentru unul nou, specializat. În loc să înceapă de la zero, este adaptat, de exemplu prin reglaj fin, folosind relativ puține date proprii. Aceasta economisește timp de calcul și date, de exemplu atunci când un model general de imagini trebuie să învețe să depisteze defecte de fabricație în fotografii.
Keras este o bibliotecă Python open-source pentru construirea și antrenarea rețelelor neuronale, dezvoltată inițial de François Chollet. Oferă o interfață accesibilă, de nivel înalt, pentru asamblarea modelelor din straturi. Începând cu versiunea 3, Keras poate rula pe JAX, TensorFlow sau PyTorch drept backend de calcul. Exemplu: o echipă construiește un prototip de model de clasificare a imaginilor în doar câteva linii de cod.
