Frameworks de Deep Learning

Les comparto mis notas de la clase…

Se comunican directamente con el procesador y hacen uso de todo el hardware disponible.

• Cuda: explota la capacidad computacional de las GPU, permite paralelizar las operaciones que aceleran el proceso de entrenamiento.
• Theano: también explota las GPU. No cuenta con una comunidad activa.
• TensorFlow: es el más evolucionado entorno a DL, y sobre él se basan muchas de las arquitecturas de redes neuronales que se disponen en la actualidad.

Orientados a la experiencia de usuario, permiten hacer una experimentación más rápida.

• ScikitLearn: toolkit de heramientas generales, contiene algoritmos de clustering, regresiones, análisis numéricos, etc. Puede servir de complemento de las otras herramientas.
• H2O: se enfoca en desarrollar DL complementado con Big Data
• Fast. ai: basado en el concepto de transfer learning, el cual consiste en utilizar modelos ya entrenados en un contexto particular.
• Keras: tiene la capacidad de consumir frameworks de bajo nivel a través de su API.

Nota

• Deep Learning (DL): Denominación que se le da a las redes neuronales con más de dos capas.

P.D.: En el curso de introducción a ML se usó PyTorch y en lo personal me gustó bastante.

Aca una lista de frameworks populares https://github.com/aymericdamien/TopDeepLearning.
He trabajado con Pytorch, Scikit-Learn,Tensorflow y Keras, la verdad hasta ahora me esta gustando mucho Tensorflow.

Tesla usa Pytorch, dato interesante.

keras, tensorflow, scikit learn

Deep Learning: Denominación utilizada para redes neuronales con más de dos capas. Siempre me quedaba duda con respecto a esto Deep Learning o Machine Learning, asumiré este concepto. También tengo entendido que en Deep Learning el proceso de extracción de características es realizado por la primeras capas de manera automática mientras que en Machine Learning el proceso de extracción de características es realizado por el cíentifico o programador que se encarga de analizar y preprocesar los datos antes de utilizarlos para el entrenamiento de la red.

Por el momento solo he trabajado con frameworks de alto nivel, espero pronto aprender de bajo nivel 😃

En particular conozco cuatro frameworks con los que quiero trabajar: Keras Scikit Learn, PyTorch y TensorFlow

Keras, Pytorch, Tensorflow, Scikit-Learn

Una pequeña aclaración, PyTorch hoy esta aumentando su popularidad más que TensorFlow. Por lo que este ultimo no se considera el más evolucionado. Sin embargo la comunidad de TensorFlow es mucho mayor que la de Torch. Ademas como es más viejo tiene más aplicaciones industriales y aún se considera el más usado.

si una red neuronal tiene mas de dos capas es deep learnig?, yo pense que era mas de 1000.

De cursos anteriores tengo la experiencia de scikit learn y para machineLearning es muy potente.

Interesante ver MatLab en esta disciplina.
https://developer.nvidia.com/deep-learning-frameworks#:~:text=Widely used deep learning frameworks,performance multi-GPU accelerated training.

He trabajado con Pytorch, Scikit-Learn yTensorflow

Si la verdad llegué a usar hace ya algún tiempo atrás, a Matlab con un problema muy básico. En resumidas cuentas me pareció bastante bueno y mas porque podía usarlo para muchos problemas de otra índole matemática.