Trace Id is missing
Saltar al contenido principal
Azure

Marcos de aprendizaje automático de código abierto en Azure

Compile e implemente modelos más rápido con un ecosistema abierto.

Compile e implemente modelos de aprendizaje automático rápidamente en Azure con sus marcos de código abierto preferidos. Azure proporciona un ecosistema abierto e interoperable que le permite usar los marcos que prefiera sin que se bloqueen, agilizar cada fase del ciclo de vida del aprendizaje automático y ejecutar sus modelos en cualquier lugar de la nube al perímetro.

Cree modelos de aprendizaje automático en los marcos que prefiera

Azure admite todos los marcos de aprendizaje automático más populares. Tanto si desea desarrollar modelos en marcos de aprendizaje profundo (por ejemplo, PyTorch o TensorFlow) como si desea aprovechar las características de aprendizaje automático automatizado de Azure o entrenar modelos de aprendizaje automático tradicionales en scikit-Learn, podrá ejecutar sus cargas de trabajo en Azure.

Diagrama que muestra los marcos de aprendizaje automático que admite Azure Machine Learning Service.

Inferencia en cualquier sistema operativo y plataforma de hardware

Optimice la inferencia en una gran variedad de plataformas de hardware con ONNX Runtime de código abierto. ONNX Runtime funciona con marcos populares como PyTorch, TensorFlow, Keras, scikit-learn, etc. para ofrecer una inferencia hasta 17 veces más rápida y un entrenamiento hasta 1,4 veces más rápido. Use ONNX Runtime para la inferencia de los modelos de aprendizaje automático en Linux, Windows, Mac e incluso en dispositivos móviles. ONNX Runtime integra las bibliotecas de hardware y software de acelerador más recientes de asociados como Intel y NVIDIA para ayudarlo a maximizar el rendimiento, tanto si lo ejecuta en la nube como si lo hace en el perímetro.

Diagrama que resalta las plataformas de hardware que admite Azure Machine Learning Service.

Agilice el ciclo de vida completo del aprendizaje automático

Acelere la productividad con el aprendizaje automático automatizado. Identifique los algoritmos adecuados y ajuste los hiperparámetros rápidamente, y administre fácilmente el ciclo de vida completo del aprendizaje automático con una implementación sencilla de la nube al perímetro. Acceda a todas estas características desde un SDK de Python independiente de la herramienta.

Un diagrama que resalta el ciclo de vida completo del aprendizaje automático.
Volver a las pestañas

Simplificar y agilizar el aprendizaje automático con Azure