PyTorch
deep-learning framework
Framework de deep learning preferido en investigación
Lenguajes soportados
Conceptos clave
tensorsautogradnn.ModuleDataLoaderoptimizers
Opciones de deployment:
torchserve onnx triton
Ventajas y Desventajas
Ventajas
- + Grafos dinámicos (debugging fácil)
- + API muy pythónica
- + Dominante en investigación
- + Comunidad muy activa
- + Excelente documentación
- + Grafos computacionales dinamicos (eager execution)
- + Debugging intuitivo como Python nativo
- + Preferido en investigacion y academia
- + Excelente soporte para GPU/CUDA
- + Ecosistema rico (torchvision, torchaudio)
Desventajas
- - Deployment más complejo que TF
- - TensorBoard requiere config
- - Consume más memoria
- - Menos herramientas de producción
- - Deployment mas complejo que TensorFlow
- - Menos herramientas de produccion
- - Consume mas memoria que alternativas
Casos de Uso
- Investigación en deep learning
- Computer vision
- NLP y LLMs
- Generative AI
- Investigacion en deep learning
- Vision por computadora
- Procesamiento de lenguaje natural
- Redes generativas (GANs)
- Reinforcement learning