Keras 3 es un framework de deep learning que funciona con JAX, TensorFlow, PyTorch u OpenVINO para inferencia.
64,4 mil19,8 milPythonApache-2.0Actualizado ayer
unifyai/ivy
Una biblioteca de Python que convierte código de machine learning entre frameworks como PyTorch, TensorFlow, JAX y NumPy mediante ivy.transpile.
- Estrellas
- 14,169
- Forks
- 5,443
- Issues abiertos
- 988
- Último commit
- hace 9 horas
¿Qué es?
Ivy convierte modelos, herramientas y bibliotecas de machine learning de un framework a otro. Su punto de entrada principal, ivy.transpile, recibe una función, clase o módulo escrito para un framework y devuelve una versión equivalente que se ejecuta en un framework de destino. Así, se puede usar desde TensorFlow código escrito para PyTorch sin reescribirlo a mano.
La transpilación puede realizarse de forma inmediata al pasar una función o clase, o de forma diferida al pasar un módulo completo; en ese caso, las funciones se convierten la primera vez que se llaman. Ivy también ofrece ivy.trace_graph, que convierte una función en un grafo computacional funcional para un framework de destino elegido.
El README indica que PyTorch es compatible como framework de origen, y TensorFlow, JAX y NumPy como destinos compatibles; otras combinaciones de origen figuran como planificadas.
Funciones clave
- 01Convierte funciones, clases y módulos completos entre frameworks de ML con ivy.transpile.
- 02Permite la transpilación diferida de bibliotecas completas como kornia.
- 03Convierte funciones en grafos computacionales con ivy.trace_graph.
- 04Se puede instalar con pip.
Casos de uso
- Reutilizar código de modelos de PyTorch en un proyecto de TensorFlow.
- Ejecutar en JAX o NumPy una biblioteca de utilidades basada en PyTorch.
- Portar código de ML entre frameworks sin reescribirlo manualmente.
Inicio rápido
- 1
Instala ivy con pip
pip install ivy
Antes de usarlo
- La compatibilidad con la transpilación es unidireccional para algunos frameworks: por ahora, PyTorch solo puede usarse como origen y TensorFlow, JAX y NumPy, solo como destino.
- Otros frameworks, como TensorFlow, JAX y NumPy como origen, aparecen como previstos.
- En los metadatos, la licencia figura como NOASSERTION; consulta el archivo LICENSE antes de usarlo.
Temas
Preguntas frecuentes
- ¿Qué es ivy?
- Una biblioteca de Python que convierte código de machine learning entre frameworks como PyTorch, TensorFlow, JAX y NumPy mediante ivy.transpile. Ivy convierte modelos, herramientas y bibliotecas de machine learning de un framework a otro. Su punto de entrada principal, ivy.transpile, recibe una función, clase o módulo escrito para un framework y devuelve una versión equivalente que se ejecuta en un framework de destino. Así, se puede usar desde TensorFlow código escrito para PyTorch sin reescribirlo a mano.
- ¿ivy es gratuito? ¿Qué licencia tiene?
- ivy es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿ivy sigue mantenido?
- Mantenimiento activo. El último commit de ivy fue el 22 oct 2026.
- ¿Para qué puedo usar ivy?
- Reutilizar código de modelos de PyTorch en un proyecto de TensorFlow. Ejecutar en JAX o NumPy una biblioteca de utilidades basada en PyTorch. Portar código de ML entre frameworks sin reescribirlo manualmente.
- ¿Cómo se instala ivy?
- Instala ivy con pip: pip install ivy
- ¿Dónde consigo ivy?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/unifyai/ivy
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Visor de modelos de redes neuronales, deep learning y machine learning, compatible con ONNX, TensorFlow, PyTorch, Core ML y muchos otros formatos.
33,6 mil3,2 milJavaScriptMITActualizado hace 4 días
Acelerador multiplataforma para ejecutar modelos de ML exportados al formato ONNX, con compatibilidad para entrenar mediante scripts de PyTorch.
22,1 mil4,3 milC++MITActualizado hace 4 horas
Biblioteca de Python y plataforma alojada para registrar, visualizar y gestionar experimentos de machine learning, conjuntos de datos y modelos.
11,3 mil907PythonMITActualizado hace 4 horas
Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.
Recursos de aprendizaje#artificial-intelligence#machine-learning#deep-learning#neural-networks#computer-vision
70,1 mil13,6 milJupyter NotebookMITActualizado el mes pasado
Framework de deep learning para Python que ofrece operaciones con tensores aceleradas por GPU y redes neuronales dinámicas basadas en autograd.
104,9 mil32,4 milPythonOtherActualizado ayer