La bibliothèque Petastorm permet l'entraînement et l'évaluation de modèles d'apprentissage profond sur une seule machine ou en distribué à partir d'ensembles de données au format Apache Parquet. Elle prend en charge des frameworks ML tels que Tensorflow, Pytorch et PySpark et peut être utilisée à partir de code Python pur.
Entraînez et évaluez des modèles d'apprentissage profond en utilisant des ensembles de données stockés au format Apache Parquet sur votre propre machine ou en groupe.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentLa bibliothèque Petastorm permet l'entraînement et l'évaluation de modèles d'apprentissage profond sur une seule machine ou en distribué à partir d'ensembles de données au format Apache Parquet. Elle prend en charge des frameworks ML tels que Tensorflow, Pytorch et PySpark et peut être utilisée à partir de code Python pur.
petastorm compte 1.9k étoiles sur GitHub. Il a été forké 284 fois. petastorm est écrit principalement en Python. Il est développé activement depuis 2018. petastorm est disponible sous licence Apache-2.0. Ses principaux thèmes sont : deep-learning, machine-learning, parquet, parquet-files.
La bibliothèque Petastorm permet l'entraînement et l'évaluation de modèles d'apprentissage profond sur une seule machine ou en distribué à partir d'ensembles de données au format Apache Parquet. Elle prend en charge des frameworks ML tels que Tensorflow, Pytorch et PySpark et peut être utilisée à partir de code Python pur.
petastorm est un projet open source. Il est distribué sous licence Apache-2.0.
Oui. petastorm est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
petastorm est disponible sous licence Apache-2.0.
petastorm est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/uber-petastorm.html)