PaddlePaddle es un framework de deep learning de código abierto para entrenar con alto rendimiento en una sola máquina o de forma distribuida, y desplegar modelos en distintas plataformas.
24,1 mil+3 esta semana6 milC++Apache-2.0Actualizado ayer
mindspore-ai/mindspore
MindSpore es un framework de código abierto para entrenar e inferir con deep learning en dispositivos móviles, edge y la nube, con soporte nativo para procesadores de IA Huawei Ascend.
Alternativa open source a:PyTorch
TensorFlow
- Estrellas
- 4,718
- Forks
- 746
- Issues abiertos
- 253
- Último commit
- hace 9 días
¿Qué es?
MindSpore es un framework de deep learning para entrenar y ejecutar redes neuronales en entornos móviles, edge y en la nube. Está dirigido a científicos de datos e ingenieros de algoritmos que buscan una experiencia de desarrollo basada en Python junto con una ejecución eficiente, y está diseñado teniendo en cuenta la cooptimización de hardware y software.
El framework utiliza diferenciación automática mediante transformación del código fuente, que compila el programa en un grafo estático y admite flujo de control y funciones de orden superior. Su función de paralelismo automático busca combinar el paralelismo de datos, de modelos e híbrido, y seleccionar una estrategia de partición de bajo costo para el entrenamiento distribuido sin necesidad de particionar manualmente.
Se puede instalar mediante pip o a partir del código fuente para CPU, GPU NVIDIA (CUDA 10.1) y hardware Huawei Ascend en Ubuntu, CentOS, EulerOS y Windows (CPU). También se publican imágenes de Docker para los backends de CPU y GPU.
Funciones clave
- 01Diferenciación automática basada en la transformación del código fuente, con compatibilidad para flujo de control y funciones de orden superior.
- 02Paralelismo automático que combina el entrenamiento paralelo de datos, modelos e híbrido.
- 03Compilación en grafo estático para optimizar el rendimiento, con una interfaz de programación al estilo de Python.
- 04Compatibilidad nativa con procesadores de IA Huawei Ascend, además de backends de CPU y GPU CUDA.
- 05Instalación mediante pip, compilación desde el código fuente o imágenes de Docker.
Casos de uso
- Entrenar modelos de deep learning en hardware Huawei Ascend.
- Ejecutar entrenamiento distribuido que requiera paralelismo automático de modelos o datos.
- Implementar redes neuronales entrenadas en dispositivos móviles, edge o la nube.
- Desarrollar modelos de IA en Python mediante una ruta de compilación en grafo estático.
Inicio rápido
- 1
Instala la versión de MindSpore para CPU con pip (el wheel del README)
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0-rc1/MindSpore/cpu/ubuntu_x86/mindspore-1.2.0rc1-cp37-cp37m-linux_x86_64.whl - 2
Ejecuta en Python el ejemplo Mul de verificación del README
Antes de usarlo
- El ejemplo de pip del README instala un wheel antiguo, 1.2.0rc1, para Python 3.7 en Ubuntu x86, por lo que las configuraciones más recientes necesitan las guías de instalación actuales.
- La compatibilidad nativa y la mayoría de las compilaciones documentadas están dirigidas al hardware Huawei Ascend, mientras que la compilación para GPU solo se indica para CUDA 10.1.
Temas
Preguntas frecuentes
- ¿Qué es mindspore?
- MindSpore es un framework de código abierto para entrenar e inferir con deep learning en dispositivos móviles, edge y la nube, con soporte nativo para procesadores de IA Huawei Ascend. MindSpore es un framework de deep learning para entrenar y ejecutar redes neuronales en entornos móviles, edge y en la nube. Está dirigido a científicos de datos e ingenieros de algoritmos que buscan una experiencia de desarrollo basada en Python junto con una ejecución eficiente, y está diseñado teniendo en cuenta la cooptimización de hardware y software.
- ¿mindspore es gratuito? ¿Qué licencia tiene?
- mindspore es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿mindspore sigue mantenido?
- Mantenimiento activo. El último commit de mindspore fue el 28 oct 2026.
- ¿Para qué puedo usar mindspore?
- Entrenar modelos de deep learning en hardware Huawei Ascend. Ejecutar entrenamiento distribuido que requiera paralelismo automático de modelos o datos. Implementar redes neuronales entrenadas en dispositivos móviles, edge o la nube. Desarrollar modelos de IA en Python mediante una ruta de compilación en grafo estático.
- ¿Cómo se instala mindspore?
- Instala la versión de MindSpore para CPU con pip (el wheel del README): pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0-rc1/MindSpore/cpu/ubuntu_x86/mindspore-1.2.0rc1-cp37-cp37m-linux_x86_64.whl Ejecuta en Python el ejemplo Mul de verificación del README
- ¿Dónde consigo mindspore?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/mindspore-ai/mindspore
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Una biblioteca rápida y ergonómica de tensores N-dimensionales en Nim, con backends para CPU, CUDA y OpenCL, orientada al cálculo numérico y al deep learning.
1,4 mil+2 esta semana102NimApache-2.0Actualizado hace 4 días
Framework de deep learning para Python que ofrece operaciones con tensores aceleradas por GPU y redes neuronales dinámicas basadas en autograd.
105,2 mil+164 esta semana31,3 milPythonOtherActualizado hace 13 horas
Un framework minimalista de deep learning con una API de tensores similar a PyTorch, autograd, un compilador y compatibilidad con numerosos aceleradores.
33,8 mil+31 esta semana4,4 milPythonMITActualizado hace 13 horas
Biblioteca de tensores y framework de deep learning en Rust para entrenamiento e inferencia con backends CUDA, ROCm, Metal, Vulkan, WebGPU y CPU.
16,2 mil+40 esta semana1,1 milRustApache-2.0Actualizado hace 13 horas
Framework de machine learning y matemáticas para Go, con entrenamiento acelerado por XLA, backend puro en Go y carga de modelos de HuggingFace.
1,7 mil+3 esta semana87GoApache-2.0Bien mantenidoActualizado hace 16 horas