Repolode
Enviar
explosion

explosion/thinc

Uma biblioteca leve de deep learning, com verificação de tipos e programação funcional, para compor modelos e encapsular camadas do PyTorch, TensorFlow e MXNet.

Ver no GitHubSite
Estrelas
2,890
Forks
295
Issues abertas
17
Último commit
há 12 dias

O que é?

Thinc é uma biblioteca leve de deep learning criada pela equipe por trás do spaCy e do Prodigy. Ela oferece uma API de programação funcional para construir modelos compondo camadas, em vez de usar herança de classes. A API também verifica tipos, permitindo validar definições de modelos com mypy.

Thinc pode encapsular modelos escritos em PyTorch, TensorFlow e MXNet para que sejam usados em uma rede Thinc, permitindo combinar camadas desses frameworks. A biblioteca também inclui um sistema de configuração para descrever árvores de objetos e hiperparâmetros, um registro de funções personalizadas e otimizadores como SGD, Adam e RAdam. Funciona em Linux, macOS e Windows e pode ser instalada com pip.

A biblioteca pode atuar como uma camada de interface entre frameworks, como um toolkit independente ou como base para desenvolver novos modelos. A documentação inclui notebooks sobre treinamento com MNIST, etiquetagem morfossintática baseada em transformers e treinamento paralelo com Ray.

Recursos principais

  • 01Verifica os tipos das definições de modelos com um plugin para mypy.
  • 02Encapsula modelos de PyTorch, TensorFlow e MXNet para uso em uma rede.
  • 03Compõe modelos de forma funcional, em vez de usar herança.
  • 04Oferece um sistema de configuração e um registro de funções para hiperparâmetros e objetos.
  • 05Inclui os otimizadores SGD, Adam e RAdam, além de funções de perda.

Casos de uso

  • Criar modelos personalizados de NLP que combinam camadas do PyTorch ou TensorFlow.
  • Treinar modelos com configurações reproduzíveis baseadas em arquivos.
  • Adicionar verificação estática de tipos ao código de modelos de deep learning.
  • Executar treinamento paralelo com parameter server usando Ray.

Início rápido

  1. 1

    Atualize pip, setuptools e wheel

    pip install -U pip setuptools wheel
  2. 2

    Instale Thinc do PyPI

    pip install thinc

Antes de usar

  • Alguns backends, como PyTorch ou TensorFlow, precisam de dependências opcionais adicionais e de configuração além da instalação básica.

Em coleções

Ferramentas e bibliotecas de processamento de linguagem natural

Tópicos

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

Perguntas frequentes

O que é thinc?
Uma biblioteca leve de deep learning, com verificação de tipos e programação funcional, para compor modelos e encapsular camadas do PyTorch, TensorFlow e MXNet. Thinc é uma biblioteca leve de deep learning criada pela equipe por trás do spaCy e do Prodigy. Ela oferece uma API de programação funcional para construir modelos compondo camadas, em vez de usar herança de classes. A API também verifica tipos, permitindo validar definições de modelos com mypy.
thinc é gratuito? Qual é a licença?
thinc é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
thinc ainda é mantido?
Manutenção ativa. O último commit de thinc foi em 27 de out. de 2026.
Para que posso usar thinc?
Criar modelos personalizados de NLP que combinam camadas do PyTorch ou TensorFlow. Treinar modelos com configurações reproduzíveis baseadas em arquivos. Adicionar verificação estática de tipos ao código de modelos de deep learning. Executar treinamento paralelo com parameter server usando Ray.
Como instalar thinc?
Atualize pip, setuptools e wheel: pip install -U pip setuptools wheel Instale Thinc do PyPI: pip install thinc
Onde consigo thinc?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/explosion/thinc

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados