# Pytornis
Pytornis es una biblioteca de **cómputo industrial para IA y Deep Learning** completamente autocontenida, inspirada en PyTorch y NumPy. Su diseño permite entrenar modelos de manera **real, industrial y distribuida**, sin dependencias externas (solo C++ embebido con compilación automática opcional con clang/nvcc).
## Características Principales
- Tensores multidimensionales en CPU y GPU (FP16, FP32, INT8).
- Kernels optimizados propios para cálculos lineales y convoluciones.
- AutoGrad: diferenciación automática completa.
- Capas y módulos: Linear, Conv2D, Pooling, BatchNorm, Dropout.
- Optimizadores nativos: SGD, Adam, RMSProp, Lion, con búsqueda automática de hiperparámetros.
- Entrenamiento distribuido y pipelines asincrónicos.
- Vectorización avanzada y tokenización nativa (soporte GPT/CPT).
- Tensores de audio/video para entrenamiento de modelos multimodales.
- Precisión mixta y autotuning dinámico de kernels.
- DataLoader con prefetching y mini-batches.
- Propio sistema ONNX-like para importar/exportar modelos.
- Autocontenido: no requiere PyTorch, NumPy, TensorFlow ni CUDNN.
- nota puede contener errores primera version estable hasta ahora.
## Instalación
```bash
pip install pytornis
Raw data
{
"_id": null,
"home_page": null,
"name": "pytornis",
"maintainer": null,
"docs_url": null,
"requires_python": ">=3.10",
"maintainer_email": null,
"keywords": "deep-learning, tensor, cuda, cpu, autograd, AI, industrial",
"author": null,
"author_email": "Luis Fernando Monta\u00f1o Hern\u00e1ndez <tu_email@example.com>",
"download_url": "https://files.pythonhosted.org/packages/0b/37/4b5da93f42de6881e7d43a1027d45fe2dc00ec1800d7dbcc048c3181dec9/pytornis-0.0.2b0.tar.gz",
"platform": null,
"description": "# Pytornis\n\nPytornis es una biblioteca de **c\u00f3mputo industrial para IA y Deep Learning** completamente autocontenida, inspirada en PyTorch y NumPy. Su dise\u00f1o permite entrenar modelos de manera **real, industrial y distribuida**, sin dependencias externas (solo C++ embebido con compilaci\u00f3n autom\u00e1tica opcional con clang/nvcc).\n\n## Caracter\u00edsticas Principales\n\n- Tensores multidimensionales en CPU y GPU (FP16, FP32, INT8).\n- Kernels optimizados propios para c\u00e1lculos lineales y convoluciones.\n- AutoGrad: diferenciaci\u00f3n autom\u00e1tica completa.\n- Capas y m\u00f3dulos: Linear, Conv2D, Pooling, BatchNorm, Dropout.\n- Optimizadores nativos: SGD, Adam, RMSProp, Lion, con b\u00fasqueda autom\u00e1tica de hiperpar\u00e1metros.\n- Entrenamiento distribuido y pipelines asincr\u00f3nicos.\n- Vectorizaci\u00f3n avanzada y tokenizaci\u00f3n nativa (soporte GPT/CPT).\n- Tensores de audio/video para entrenamiento de modelos multimodales.\n- Precisi\u00f3n mixta y autotuning din\u00e1mico de kernels.\n- DataLoader con prefetching y mini-batches.\n- Propio sistema ONNX-like para importar/exportar modelos.\n- Autocontenido: no requiere PyTorch, NumPy, TensorFlow ni CUDNN.\n- nota puede contener errores primera version estable hasta ahora.\n\n## Instalaci\u00f3n\n\n```bash\npip install pytornis\n",
"bugtrack_url": null,
"license": "MIT",
"summary": "Industrial Deep Learning framework with CPU/GPU support, tensors, autograd, and CUDA",
"version": "0.0.2b0",
"project_urls": null,
"split_keywords": [
"deep-learning",
" tensor",
" cuda",
" cpu",
" autograd",
" ai",
" industrial"
],
"urls": [
{
"comment_text": null,
"digests": {
"blake2b_256": "7178e7a6b2559715bfc5f44b658b09dfe607fc409a2dcdf03d3c71d8e7a46da3",
"md5": "8134391cdfe8c2fe1c631972a955eff5",
"sha256": "7e79c94ace346ff531f9f1ab30453eb3b97c79eed3daf2a03f5379ce3473a18e"
},
"downloads": -1,
"filename": "pytornis-0.0.2b0-py3-none-any.whl",
"has_sig": false,
"md5_digest": "8134391cdfe8c2fe1c631972a955eff5",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": ">=3.10",
"size": 281209,
"upload_time": "2025-09-11T05:50:57",
"upload_time_iso_8601": "2025-09-11T05:50:57.514788Z",
"url": "https://files.pythonhosted.org/packages/71/78/e7a6b2559715bfc5f44b658b09dfe607fc409a2dcdf03d3c71d8e7a46da3/pytornis-0.0.2b0-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": null,
"digests": {
"blake2b_256": "0b374b5da93f42de6881e7d43a1027d45fe2dc00ec1800d7dbcc048c3181dec9",
"md5": "ec61ebd6f2bc9efe70c65277394b4733",
"sha256": "0a249da88cf70a9d54c2d963bfb6cf940d605fc9132d9d83db375c181fdb4d63"
},
"downloads": -1,
"filename": "pytornis-0.0.2b0.tar.gz",
"has_sig": false,
"md5_digest": "ec61ebd6f2bc9efe70c65277394b4733",
"packagetype": "sdist",
"python_version": "source",
"requires_python": ">=3.10",
"size": 278940,
"upload_time": "2025-09-11T05:51:00",
"upload_time_iso_8601": "2025-09-11T05:51:00.175187Z",
"url": "https://files.pythonhosted.org/packages/0b/37/4b5da93f42de6881e7d43a1027d45fe2dc00ec1800d7dbcc048c3181dec9/pytornis-0.0.2b0.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2025-09-11 05:51:00",
"github": false,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"lcname": "pytornis"
}
JSON