Universidad La Salle
LIBRERIAS ALTERNATIVAS A
SCIKIT LEARN PARA
APRENDIZAJE AUTOMATICO
DOCENTE
ING JOSE LARUTA
ESTUDIANTE
SALVADOR VILCA
TensorFlow es una biblioteca de aprendizaje automático de Python de
extremo a extremo para realizar cálculos numéricos de alta gama.
TensorFlow puede manejar redes neuronales profundas para
reconocimiento de imágenes, clasificación de dígitos escritos a mano,
redes neuronales recurrentes, PNL (lenguaje natural Processing),
incrustación de palabras y PDE (Ecuación diferencial parcial).
TensorFlow Python garantiza un excelente soporte de arquitectura para
permitir implementaciones de cómputo sencillas en una amplia gama
de plataformas, incluidos equipos de escritorio, servidores y dispositivos
móviles. La abstracción es el principal beneficio de TensorFlow Python
para el aprendizaje automático y los proyectos de inteligencia artificial.
Esta característica permite a los desarrolladores enfocarse en la lógica
integral de la aplicación en lugar de lidiar con los detalles mundanos de
implementar algoritmos. Con esta biblioteca, los desarrolladores de
Python ahora pueden aprovechar la inteligencia artificial y el
aprendizaje automático sin esfuerzo para crear aplicaciones de
respuesta únicas, que responden a las entradas del usuario, como la
expresión facial o de voz.
Keras es una biblioteca de Python de código abierto líder escrita para
construir redes neuronales y proyectos de aprendizaje automático.
Puede ejecutarse en Deeplearning4j, MXNet, Microsoft Cognitive
Toolkit (CNTK), Theano o TensorFlow. Ofrece casi todos los módulos
independientes, incluidos optimizadores, capas neuronales, funciones
de activación, esquemas de inicialización, funciones de costo y
esquemas de regularización. Facilita la adición de nuevos módulos al
igual que la adición de nuevas funciones y clases. Como el modelo ya
está definido en el código, no es necesario tener archivos de
configuración de modelo separados. Keras hace que sea sencillo para
los principiantes del aprendizaje automático diseñar y desarrollar una
red neuronal. Keras Python también se ocupa de las redes neuronales
de convolución. Incluye algoritmos para las capas de normalización,
optimización y activación. En lugar de ser una biblioteca de aprendizaje
automático de Python de un extremo a otro, Keras funciona como una
interfaz extensible y fácil de usar que mejora la modularidad y la
expresividad total.
Desde su llegada en 2007, Theano ha capturado a los desarrolladores
e investigadores de Python de ML e IA. En esencia, es una biblioteca
de computación científica muy conocida que le permite definir, optimizar
y evaluar expresiones matemáticas, que se ocupa de matrices
multidimensionales. El fundamento de varias aplicaciones de ML e IA
es el cálculo repetitivo de una expresión matemática complicada.
Theano le permite realizar cálculos intensivos en datos hasta cien veces
más rápido que cuando se ejecuta solo en su CPU. Además, está bien
optimizado para GPU, lo que ofrece una diferenciación simbólica eficaz
e incluye amplias capacidades de prueba de código. Cuando se trata
de rendimiento, Theano es una gran biblioteca de aprendizaje
automático de Python, ya que incluye la capacidad de manejar cálculos
en grandes redes neuronales. Su objetivo es impulsar el tiempo de
desarrollo y el tiempo de ejecución de las aplicaciones de aprendizaje
automático, particularidad en los algoritmos de aprendizaje profundo. El
único inconveniente de Theano frente a TensorFlow es que su sintaxis
es bastante difícil para los principiantes.
¿Alguna vez ha pensado por qué PyTorch se ha convertido en una de
las bibliotecas de Python más populares para el aprendizaje automático
en tan poco tiempo?. PyTorch es una biblioteca de aprendizaje
automático de Python lista para producción con excelentes ejemplos,
aplicaciones y casos de uso respaldados por una comunidad sólida.
Esta biblioteca absorbe una fuerte aceleración de la GPU y le permite
aplicarla desde aplicaciones como NLP. Como admite cálculos de GPU
y CPU, le brinda optimización del rendimiento y capacitación distribuida
escalable en investigación y producción. Las redes neuronales
profundas y la computación Tensor con aceleración de GPU son las dos
características de gama alta de PyTorch. Incluye un compilador de
aprendizaje automático llamado Glow que aumenta el rendimiento de
los marcos de aprendizaje profundo.
