PyTorch è lo stack per il Deep Learning che ha raggiunto la maggiore diffusione nella ricerca e nell’industria.
Attorno ad esseo si è sviluppato un ecosistema ampio e consolidato per ogni dominio di applicazione (Computer Vision, Natural Language Processing, Graph Neural Networks, Diffusion Models etc)
Quantyca ha confermato nei suoi progetti una competenza profonda su PyTorch ed i framework al contorno, come fast.ai, HuggingFace, Detectron e Timm.
Costruendo sulle componenti core di PyTorch, sviluppate da Meta, sono nati nel tempo una serie di framework che affrontano le diverse modalità di applicazione:
- Timm e Detectron per la Computer Vision (Classification, Detection, Segmentation etc)
- HuggingFace per NLP (Analisi del testo, Entity Extraction, Semantic Search)
- fast.ai come meta-framework per prototipazione, training e deployment
Queste librerie hanno due obiettivi:
- Creare API di alto livello per rendere semplice il design e deploy delle soluzioni
- Offrire un catalogo di modelli semi-lavorati per poi abilitare il fine-tuning sui dataset proprietari del cliente
