Frameworks

ML Frameworks

De vigtigste værktøjer og frameworks til at bygge, træne og deploye machine learning-modeller. Fra research til produktion.

Programmering og kodeudvikling med ML frameworks
Deep learning og TensorFlow framework

TensorFlow

Python, C++, JavaScript

Googles open-source framework til machine learning og deep learning. Det mest udbredte ML-framework i produktion med stærkt økosystem og deployment-muligheder.

ProduktionsklarMobil deploymentTensorBoardStort økosystem
https://www.tensorflow.orgLæs mere
PyTorch framework til machine learning forskning

PyTorch

Python, C++

Facebooks deep learning-framework der er blevet standarden i forskningsmiljøer. Kendt for sin Pythoniske API, dynamiske beregningsgrafer og intuitive debugging.

ForskervenligDynamiske graferPythonisk APIHugging Face integration
https://pytorch.orgLæs mere
Data science og Scikit-learn

Scikit-learn

Python

Det mest populære Python-bibliotek til klassisk machine learning. Tilbyder en konsistent API til hundredvis af algoritmer med fremragende dokumentation.

Konsistent APIFremragende dokumentationBred algoritmedækningPipelines
https://scikit-learn.orgLæs mere
Neural network API med Keras

Keras

Python

Et brugervenligt high-level API til deep learning der gør det muligt at bygge og træne neurale netværk med minimal kode. Nu integreret som standard API i TensorFlow.

BrugervenligHurtig prototypingMulti-backend (TF/PyTorch/JAX)Transfer learning
https://keras.ioLæs mere