Tutorial práctico para principiantes sobre cómo entrenar e implementar redes neuronales de clasificación de imágenes con Caffe y NVIDIA DIGITS, sin experiencia previa en IA.
5,1 mil530PythonOtherActualizado hace 2 meses
jolibrain/deepdetect
Servidor de deep learning, paquete wheel de Python y CLI para entrenar y ejecutar modelos con imágenes, texto, datos tabulares y series temporales mediante una REST API.
- Estrellas
- 2,551
- Forks
- 544
- Issues abiertos
- 99
- Último commit
- hace 8 días
¿Qué es?
DeepDetect es un runtime de deep learning que se puede usar de tres formas: como paquete wheel de Python que integra el runtime en el entorno actual y ofrece una CLI `deepdetect`, como servidor REST de larga duración o mediante un servicio basado en Docker. Permite crear servicios de modelos respaldados por repositorios de modelos locales, ejecutar trabajos de entrenamiento asíncronos, supervisar su estado y realizar predicciones.
El proyecto admite imágenes, texto, datos CSV/tabulares, series temporales, datos dispersos, cuadros de detección de objetos y máscaras de segmentación a través de una sola API. El backend principal es Torch, y TensorRT está disponible para optimizar la inferencia. Incluye plantillas con perfiles de CLI para YOLOX y SegFormer, además de clasificadores al estilo de TorchVision, Faster R-CNN, RetinaNet, BERT, GPT-2 y varios modelos para series temporales.
El almacenamiento de modelos se basa en el sistema de archivos, por lo que no hace falta una base de datos. La configuración se gestiona con archivos YAML para poder repetir las ejecuciones, y la CLI puede emitir eventos estructurados para automatizar tareas.
Funciones clave
- 01Entrena modelos y ejecuta inferencias desde una CLI o una REST API.
- 02Crea servicios de modelos respaldados por repositorios locales, sin necesidad de una base de datos.
- 03Ejecuta trabajos de entrenamiento asíncronos y consulta su estado.
- 04Admite imágenes, texto, datos tabulares, series temporales y datos dispersos a través de una sola API.
- 05Incluye perfiles de CLI configurados con YAML para YOLOX y SegFormer.
- 06Usa Torch como backend principal, con soporte opcional para inferencia con TensorRT.
Casos de uso
- Ejecutar desde la línea de comandos entrenamientos e inferencias repetibles para detección de objetos.
- Servir modelos de deep learning mediante una REST API en un proceso o contenedor dedicado.
- Integrar el entrenamiento de modelos y las predicciones en pipelines de automatización mediante la salida estructurada de la CLI.
- Implementar modelos de series temporales o tabulares con un almacén de modelos basado en el sistema de archivos.
Inicio rápido
- 1
Instala el wheel para CPU en un entorno de Python
python -m pip install --extra-index-url https://www.deepdetect.com/download/wheels/simple deepdetect-cpu - 2
Muestra los perfiles y las opciones de la CLI incluidos en el paquete
deepdetect inspect models - 3
Prepara el conjunto de datos de inicio rápido de YOLOX y el repositorio del modelo
python bindings/python/scripts/prepare_cli_yolox_quickstart.py --output /tmp/deepdetect-yolox-quickstart --force - 4
Entrena un modelo YOLOX con una ejecución muy pequeña
deepdetect train yolox --config /tmp/deepdetect-yolox-quickstart/yolox-quickstart.yaml --terminal live
Antes de usarlo
- Distribuido bajo la LGPL v3, una licencia copyleft.
- La CLI incluida en el paquete solo abarca los flujos de trabajo de YOLOX y SegFormer; para acceder a una API más amplia se necesita el servidor.
- Los wheels para CPU y GPU no se pueden instalar en el mismo entorno de Python.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es deepdetect?
- Servidor de deep learning, paquete wheel de Python y CLI para entrenar y ejecutar modelos con imágenes, texto, datos tabulares y series temporales mediante una REST API. DeepDetect es un runtime de deep learning que se puede usar de tres formas: como paquete wheel de Python que integra el runtime en el entorno actual y ofrece una CLI `deepdetect`, como servidor REST de larga duración o mediante un servicio basado en Docker. Permite crear servicios de modelos respaldados por repositorios de modelos locales, ejecutar trabajos de entrenamiento asíncronos, supervisar su estado y realizar predicciones.
- ¿deepdetect es gratuito? ¿Qué licencia tiene?
- deepdetect es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿deepdetect sigue mantenido?
- Mantenimiento activo. El último commit de deepdetect fue el 30 oct 2026.
- ¿Para qué puedo usar deepdetect?
- Ejecutar desde la línea de comandos entrenamientos e inferencias repetibles para detección de objetos. Servir modelos de deep learning mediante una REST API en un proceso o contenedor dedicado. Integrar el entrenamiento de modelos y las predicciones en pipelines de automatización mediante la salida estructurada de la CLI. Implementar modelos de series temporales o tabulares con un almacén de modelos basado en el sistema de archivos.
- ¿Cómo se instala deepdetect?
- Instala el wheel para CPU en un entorno de Python: python -m pip install --extra-index-url https://www.deepdetect.com/download/wheels/simple deepdetect-cpu Muestra los perfiles y las opciones de la CLI incluidos en el paquete: deepdetect inspect models Prepara el conjunto de datos de inicio rápido de YOLOX y el repositorio del modelo: python bindings/python/scripts/prepare_cli_yolox_quickstart.py --output /tmp/deepdetect-yolox-quickstart --force Entrena un modelo YOLOX con una ejecución muy pequeña: deepdetect train yolox --config /tmp/deepdetect-yolox-quickstart/yolox-quickstart.yaml --terminal live
- ¿Dónde consigo deepdetect?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/jolibrain/deepdetect
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.
63,2 mil+188 esta semana12 milPythonAGPL-3.0Actualizado hace 18 horas
Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.
58,3 mil+10 esta semana17,4 milPythonAGPL-3.0Bien mantenidoActualizado hace 3 días
Toolkit de C++/Python para desplegar modelos de la familia YOLO en GPU de NVIDIA con TensorRT, compatible con tareas de detección, segmentación, clasificación, pose y OBB.
1,9 mil+1 esta semana199C++GPL-3.0Actualizado hace 2 meses
CLI y toolkit de Python para empaquetar y desplegar modelos de ML en Baseten o en infraestructura propia como servidores de modelos listos para producción.
1,2 mil+3 esta semana142PythonMITActualizado anteayer
Framework de deep learning basado en PyTorch que automatiza los ciclos de entrenamiento, el escalado a varias GPU y el código de soporte, sin quitarte el control del modelo.
31,4 mil+12 esta semana3,8 milPythonApache-2.0Actualizado hace 8 días