hyperparameter-search

Ray es un motor de cómputo para IA. Consta de un entorno de ejecución distribuido central y un conjunto de librerías de IA para acelerar las cargas de trabajo de ML.

La plataforma de desarrollo de IA. Usa Weights & Biases para entrenar y ajustar modelos, y gestionarlos desde la experimentación hasta la producción.

Aprendizaje automático automatizado con scikit-learn.

Determined es una plataforma de machine learning de código abierto que simplifica el entrenamiento distribuido, el ajuste de hiperparámetros, el seguimiento de experimentos y la gestión de recursos. Funciona con PyTorch y TensorFlow.

Un framework de entrenamiento para agentes de aprendizaje por refuerzo de Stable Baselines3, con optimización de hiperparámetros y agentes pre-entrenados incluidos.

SMAC3: Un paquete versátil de optimización bayesiana para la optimización de hiperparámetros.

OCTIS: ¡Comparar modelos de temas es sencillo! Un paquete de Python para optimizar y evaluar modelos de temas (aceptado en la pista de demostración de EACL2021).

La biblioteca de AutoML más limpia del mundo. Realiza ajuste de hiperparámetros con las abstracciones de pipeline adecuadas para escribir pipelines de aprendizaje profundo en producción. Permite que los pasos de tu pipeline tengan espacios de hiperparámetros. Diseña pasos como componentes. Compatible con Scikit-Learn, TensorFlow y la mayoría de las bibliotecas, frameworks y entornos de MLOps.