PyTorch es un framework de código abierto, que se usa desde Python, para construir, entrenar y probar redes neuronales. Trabaja con tensores, que son tablas de números, y puede hacer las cuentas en una GPU. Nació en Meta y hoy lo cuida la PyTorch Foundation. No es una app ni un sitio de modelos.
Una pregunta de la app. Elige una respuesta.
Un aviso de trabajo pide «experiencia con PyTorch». ¿Qué es PyTorch?
Eso es más bien Hugging Face. PyTorch es el código con el que se arma y se entrena el modelo.
Eso se parece a Ollama. PyTorch no es una app: es una biblioteca para programar modelos.
Se usa desde Python para armar, entrenar y probar modelos. Nació en Meta y hoy lo cuida la PyTorch Foundation.
Una red neuronal es, por dentro, muchísimas multiplicaciones de números. PyTorch te da las piezas para armarla (capas, funciones) y hace lo pesado: calcula cómo ajustar cada peso para que la red se equivoque menos. Eso es entrenar; después usas la red ya entrenada para responder.
Los datos viajan en tensores: tablas de números con varias dimensiones, como una foto (alto, ancho y colores). Con una línea puedes mover esos tensores a una GPU, que hace muchas cuentas en paralelo. No es obligatoria: un modelo chico se entrena en la CPU de una laptop.
Lo creó el equipo de investigación en IA de Meta (entonces Facebook). En 2022 pasó a la PyTorch Foundation, que forma parte de la Linux Foundation, para que no dependa de una sola empresa. Se usa mucho en investigación y en la industria, para deep learning de texto, imágenes y audio. Muchos modelos de Hugging Face están hechos para PyTorch.
No es el único: JAX y TensorFlow, ambos de Google, hacen un trabajo parecido. Cada equipo elige según su historia, su hardware y sus herramientas; ninguno es «el correcto».
Un aviso de ML Engineer que pide «experiencia con PyTorch» busca a alguien que sepa entrenar, ajustar (fine-tuning) y probar modelos con código, no sólo usarlos desde un chat o una API. Si tu trabajo es armar apps que llaman a un modelo ya hecho, quizás nunca lo toques.