Repolode
Enviar
explosion

explosion/thinc

Una biblioteca ligera de deep learning con comprobación de tipos para componer modelos y usar capas de PyTorch, TensorFlow y MXNet.

Ver en GitHubSitio web
Estrellas
2,889
Forks
295
Issues abiertos
17
Último commit
hace 11 días

¿Qué es?

Thinc es una biblioteca ligera de deep learning creada por los autores de spaCy y Prodigy. Ofrece una API de programación funcional para crear modelos componiendo capas, en lugar de usar herencia de clases. Además, la API comprueba los tipos, por lo que las definiciones de los modelos se pueden verificar con mypy.

Thinc puede envolver modelos escritos en PyTorch, TensorFlow y MXNet para usarlos dentro de una red de Thinc y combinar capas de esos frameworks. También incluye un sistema de configuración para describir árboles de objetos e hiperparámetros, un registro de funciones personalizadas y optimizadores como SGD, Adam y RAdam. Funciona en Linux, macOS y Windows, y se instala con pip.

La biblioteca puede servir como capa de interfaz entre frameworks, como toolkit independiente o como base para desarrollar modelos nuevos. Su documentación incluye notebooks sobre el entrenamiento con MNIST, el etiquetado de partes de la oración basado en transformers y el entrenamiento en paralelo con Ray.

Funciones clave

  • 01Comprueba los tipos de las definiciones de modelos mediante un plugin de mypy.
  • 02Envuelve modelos de PyTorch, TensorFlow y MXNet para usarlos en una red.
  • 03Compone modelos de forma funcional, en lugar de usar herencia.
  • 04Ofrece un sistema de configuración y un registro de funciones para gestionar hiperparámetros y objetos.
  • 05Incluye los optimizadores SGD, Adam y RAdam, además de funciones de pérdida.

Casos de uso

  • Crear modelos de NLP personalizados que combinen capas de PyTorch o TensorFlow.
  • Entrenar modelos con una configuración reproducible basada en archivos.
  • Añadir comprobación estática de tipos al código de modelos de deep learning.
  • Ejecutar entrenamiento paralelo con un servidor de parámetros mediante Ray.

Inicio rápido

  1. 1

    Actualiza pip, setuptools y wheel

    pip install -U pip setuptools wheel
  2. 2

    Instala Thinc desde PyPI

    pip install thinc

Antes de usarlo

  • Algunos backends, como PyTorch o TensorFlow, requieren dependencias opcionales adicionales y una configuración más allá de la instalación básica.

En colecciones

Herramientas y bibliotecas de procesamiento del lenguaje natural

Temas

#deep-learning#machine-learning#functional-programming#python#pytorch#tensorflow#nlp#type-checking#ai#artificial-intelligence

Preguntas frecuentes

¿Qué es thinc?
Una biblioteca ligera de deep learning con comprobación de tipos para componer modelos y usar capas de PyTorch, TensorFlow y MXNet. Thinc es una biblioteca ligera de deep learning creada por los autores de spaCy y Prodigy. Ofrece una API de programación funcional para crear modelos componiendo capas, en lugar de usar herencia de clases. Además, la API comprueba los tipos, por lo que las definiciones de los modelos se pueden verificar con mypy.
¿thinc es gratuito? ¿Qué licencia tiene?
thinc es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿thinc sigue mantenido?
Mantenimiento activo. El último commit de thinc fue el 27 oct 2026.
¿Para qué puedo usar thinc?
Crear modelos de NLP personalizados que combinen capas de PyTorch o TensorFlow. Entrenar modelos con una configuración reproducible basada en archivos. Añadir comprobación estática de tipos al código de modelos de deep learning. Ejecutar entrenamiento paralelo con un servidor de parámetros mediante Ray.
¿Cómo se instala thinc?
Actualiza pip, setuptools y wheel: pip install -U pip setuptools wheel Instala Thinc desde PyPI: pip install thinc
¿Dónde consigo thinc?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/explosion/thinc

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados