Horovod je open-source framework na distribuované trénovanie modelov hlbokého učenia na mnohých GPU alebo strojoch. Pôvodne ho vyvinula spoločnosť Uber, podporuje TensorFlow, Keras, PyTorch a MXNet a synchronizuje gradienty vypočítané zúčastnenými strojmi pomocou ring-allreduce, bez centrálneho parametrového servera. Projekt zastrešuje LF AI & Data Foundation; posledné stabilné vydanie, 0.28.1, pochádza z roku 2023 (stav k októbru 2026).
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoTensorFlow je open-source framework na strojové učenie, ktorý vyvinul Google a vydal v roku 2015. Používa sa na vytváranie, trénovanie a nasadzovanie neurónových sietí v aplikáciách, na serveroch alebo na mobilných zariadeniach. Keras poskytuje prístupné rozhranie vyššej úrovne; typické použitia zahŕňajú klasifikáciu obrázkov, predpovedanie a odporúčacie systémy.
PyTorch je open-source framework na strojové učenie a hlboké učenie v programovacom jazyku Python. Pôvodne ho vyvinula spoločnosť Meta (vtedy Facebook) a od roku 2022 ho spravuje PyTorch Foundation pod záštitou Linux Foundation. PyTorch sa široko používa vo výskume aj v praxi, pretože vývojárom umožňuje flexibilne vytvárať modely, trénovať ich na GPU a testovať krok za krokom; vznikli v ňom mnohé známe jazykové a obrazové modely.
Keras je open-source knižnica v jazyku Python na tvorbu a trénovanie neurónových sietí, ktorú pôvodne vyvinul François Chollet. Ponúka prístupné, vysokoúrovňové rozhranie na skladanie modelov z vrstiev. Od verzie 3 môže Keras ako výpočtový backend bežať na JAX, TensorFlow alebo PyTorch. Príklad: tím vytvorí prototyp modelu na klasifikáciu obrázkov len niekoľkými riadkami kódu.
Kubeflow je open-source platforma na spúšťanie pracovných postupov strojového učenia na Kubernetes, od prípravy údajov cez trénovanie a hľadanie hyperparametrov až po poskytovanie modelov. Projekt pôvodne inicioval Google a patrí pod Cloud Native Computing Foundation, kde v auguste 2026 dosiahol štatút „graduated“ (stav k októbru 2026). Je určený hlavne tímom, ktoré vo veľkom trénujú vlastné modely na vlastnej alebo cloudovej infraštruktúre.
