Apache MXNet bol open-source framework na hlboké učenie, ktorý dokázal efektívne trénovať modely na viacerých GPU a strojoch, s rozhraniami pre Python, C++, R, Scalu a ďalšie jazyky. Amazon Web Services ho niekoľko rokov podporoval ako preferovaný framework. Apache Software Foundation projekt v septembri 2023 ukončila a do februára 2024 ho presunula do Apache Attic; už sa nevyvíja. Existujúce modely sa zvyčajne migrujú do iných frameworkov.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoBMXNet je open-source knižnica pre binárne neurónové siete, ktorú v roku 2017 vydal Hasso-Plattner-Institut v Postupime a ktorá je postavená na frameworku Apache MXNet. Binárne siete ukladajú váhy a aktivácie s jedným bitom namiesto 32, vďaka čomu sú modely oveľa menšie a rýchlejšie – čo je atraktívne pre smartfóny a vstavané zariadenia, hoci zvyčajne za cenu určitej straty presnosti. Keďže MXNet bol v roku 2023 ukončený, BMXNet je dnes zaujímavý najmä pre výskum (stav k októbru 2026).
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.
TensorFlow 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.
Open Neural Network Exchange (ONNX) je otvorený formát súborov pre modely strojového učenia, ktorý v roku 2017 predstavili Microsoft a Facebook (dnes Meta) a dnes ho zastrešuje LF AI & Data Foundation. Model natrénovaný napríklad v PyTorch je možné exportovať do ONNX a spúšťať ho v iných nástrojoch alebo prostrediach, ako je ONNX Runtime. Uľahčuje to prechod medzi frameworkmi a nasadenie na rôznom hardvéri.
