DVC versiona los datos y los modelos que Git no puede contener, manteniendo toda la tubería reproducible a partir de un hash de commit.
| Categoría | Frameworks de ML & MLOps |
| Tipo | Versionado de datos |
| Licencia | Apache-2.0 |
| Ejecuta localmente | Sí |
| Construido con | Python |
| Nivel de habilidad | Intermedio |
| Mejor para | reproduciendo un resultado seis meses después, exactamente |
Otros frameworks de ml de código abierto y herramientas de mlops que valen la pena comparar:
DagsterOrquestación que piensa en activos de datos, no en tareas
TensorFlowEl framework de aprendizaje profundo de Google, construido para producción
PyTorchEl framework en el que casi todos los modelos de IA modernos están escritos
OpenCVLa biblioteca de visión por computadora en la que se basa todo lo demás
scikit-learnAprendizaje automático clásico, hecho correctamente
Apache AirflowPrograma y monitorea pipelines de datos
RayEscala Python desde una laptop hasta un clúster
JAXNumPy con autodiff, JIT y TPUs
XGBoostSigue siendo el mejor en datos tabulares
Label StudioEtiqueta cualquier cosa: texto, imágenes, audio, video
MLflowRastrea experimentos y envía modelos sin la hoja de cálculo
ONNXMueve un modelo entre frameworks y entornos de ejecución
LightGBMAumento de gradiente que entrena rápido en tablas grandes
CVATAnotación seria para visión por computadora
OptunaEncuentra los hiperparámetros correctos sin adivinarDVC es gratuito y de código abierto (licencia Apache-2.0), por lo que puedes usarlo, alojarlo tú mismo y modificarlo sin costo alguno.
Sí. DVC está diseñado para ejecutarse en tu propia máquina o servidor, manteniendo tus datos privados.
Las alternativas populares de código abierto incluyen Dagster, TensorFlow, PyTorch. Consulta las comparaciones anteriores para elegir.
Navega por el directorio completo de herramientas, modelos y proyectos de IA de código abierto, actualizado diariamente.
Navega todas las herramientas →