Código aberto. Novas possibilidades.

O Eclipse Deeplearning4J (DL4J) é um ecossistema de deep learning open-source para JVM, com suporte a Java, Scala, Kotlin, Clojure. Inclui importação de modelos Keras/TensorFlow/ONNX, ND4J para álgebra linear, SameDiff para diferenciação automática, DataVec para ETL, e opera em CPU/GPU nas principais plataformas.

fastai é uma biblioteca de deep learning construída sobre o PyTorch que oferece componentes de alto nível para produtividade rápida e componentes de baixo nível para pesquisa e customização.

PyTorch é uma biblioteca de machine learning de código aberto que oferece computação de tensores com aceleração por GPU e um framework flexível de redes neurais profundas baseado em um sistema autograd.

Um pequeno modelo de linguagem GPT (~540M parâmetros) projetado para treinamento do zero em hardware de laptop de consumo, com pré-treinamento em Fineweb-edu e capacidade de ajuste fino para chat.

CatBoost é a biblioteca de gradient boosting de código aberto da Yandex para classificação, regressão e ranking, com suporte nativo a características categóricas, treinamento em CPU/GPU, treinamento distribuído via Apache Spark e APIs para Python, R, Java e C++.

FragmentColor é uma abstração de GPU multiplataforma para Rust, JS, Python, Swift e Kotlin. Ela simplifica fluxos de trabalho de shaders usando WGSL/GLSL em Vulkan, Metal, DirectX e WebGPU.

Scalene é um perfilador de alta precisão para Python que identifica gargalos de desempenho em CPU, GPU e memória, com análises linha a linha e sugestões de otimização baseadas em IA.

DeepSpeed é uma biblioteca de otimização de deep learning projetada para tornar o treinamento e a inferência de modelos de larga escala fáceis, eficientes e eficazes.

O Apache TVM é um framework de compilação de machine learning aberto, projetado para implantação universal e pipelines de compiladores customizáveis.