Un framework d’apprentissage automatique en open source
Prise en charge à la fois des algorithmes d’apprentissage profond et d’apprentissage automatique traditionnel.
Réseaux de neurones prenant en charge plus de 100 types de couches
Apprentissage automatique traditionnel : Plus de 20 algorithmes (classification, régression, regroupement, etc.)
Prise en charge des processeurs CPU et GPU, inférence rapide
Prise en charge de l’ONNX
Langages : C++, Java, Objective С
Multiplateforme : le même code peut être exécuté sur Windows, Linux, macOS, iOS et Android
NeoML est utilisé par les ingénieurs d’ABBYY pour les tâches de vision par ordinateur et de langage naturel, comme le prétraitement de l’image, la classification, l’analyse du document et de la mise en page, l’OCR ou encore l’extraction de données à partir de documents structurés ou non structurés.
Déploiement à grande échelle |
Code source |
Déployez des modèles dans le cloud, en local, dans le navigateur ou encore sur un appareil. |
Référentiel : NeoML Licence : Apache 2.0 ACCÉDER AU RÉFÉRENTIEL GITHUBENG |
Déploiement à grande échelle |
Déployez des modèles dans le cloud, en local, dans le navigateur ou encore sur un appareil. |
Code source |
Référentiel : NeoML Licence : Apache 2.0 ACCÉDER AU RÉFÉRENTIEL GITHUBENG |