EDITAR: La pregunta se editó para enfatizar el controlador de código abierto que no era el caso originalmente, preguntando sobre una pila de software de código abierto para el aprendizaje automático, que es más abstracto.
Con respecto al controlador: la mayoría de los marcos de aprendizaje profundo de hoy en día solo admiten controladores CUDA que son propietarios. Puede intentar entrenar redes neuronales en hardware de código abierto como el raspberry pi, pero se encontrará en una gran desventaja cuando se trata de software de aprendizaje profundo porque no tendrá acceso a los últimos y mejores modelos y marcos.
Aparte del controlador de GPU: si solo está mirando la pila de software de aprendizaje automático, la respuesta es SÍ. De hecho, la mayoría de las pilas de software disponibles que funcionan con GPU son de código abierto.
- ¿Cómo se puede determinar si un elemento no es apto para ninguna clasificación de acuerdo con el algoritmo Naive Bayes?
- Cómo interpretar los resultados de agrupación de k-means
- ¿Debería aprender aprendizaje automático, desarrollo en la nube o desarrollo de juegos en Unity como estudiante universitario de primer año?
- ¿Puede un autoencoder sobreajustar cuando tiene una cantidad mucho menor de neuronas de capa oculta que la capa de entrada y también se usa la deserción?
- ¿Cuál es la forma más sencilla de entender el equilibrio de sesgo-varianza en el aprendizaje automático?
Es fundamental tener en cuenta que hay muchos algoritmos de aprendizaje automático hoy en día que no usan la aceleración de GPU, citando las preguntas frecuentes de scikit learn, que es un marco de aprendizaje automático de código abierto extremadamente popular en su elección de no agregar soporte de GPU en el marco :
¿Agregará soporte para GPU?
No, o al menos no en el futuro cercano. La razón principal es que el soporte de GPU introducirá muchas dependencias de software e introducirá problemas específicos de la plataforma. scikit-learn está diseñado para ser fácil de instalar en una amplia variedad de plataformas. Fuera de las redes neuronales, las GPU no juegan un papel importante en el aprendizaje automático hoy en día, y a menudo se pueden lograr ganancias mucho mayores en velocidad mediante una cuidadosa elección de algoritmos
- Los buenos marcos de código abierto de la CPU para recomendar son scikit learn, Apache Spark y XGBoost.
- XGBoost tiene soporte para GPU.
- Cada marco de aprendizaje profundo que vale la pena tiene soporte para GPU.