
- Visitas mensuales
- 7789
- 2026-09
- Crecimiento mensual +7,5 %
Captum - Interpreta modelos PyTorch en visión, texto y otras modalidades
Captum es una biblioteca de código abierto para interpretar modelos PyTorch. Ofrece algoritmos que atribuyen las salidas del modelo a sus entradas en modalidades como visión y texto. Los desarrolladores pueden instalarla con conda o pip, aplicar métodos como Integrated Gradients y ampliar la biblioteca para implementar y comparar algoritmos de interpretabilidad.
- Desarrollo con LLM
- Evaluación de LLM
- interpretabilidad de modelos PyTorch
- atribución en redes neuronales
- Integrated Gradients

Funciones
Atribución de entradas del modelo
Atribuye la salida de un modelo a sus entradas y devuelve valores de atribución. Se proporcionan un modelo PyTorch y tensores de entrada; según el método, también tensores de referencia y un objetivo. Se puede elegir un algoritmo como Integrated Gradients.
Interpretabilidad multimodal
Aplica métodos de interpretabilidad a modelos de modalidades compatibles, como visión y texto. Captum está diseñado para modelos PyTorch compatibles y puede usarse con modificaciones mínimas a la red neuronal original.
Biblioteca extensible de algoritmos
Permite implementar y comparar nuevos algoritmos de interpretabilidad con una biblioteca genérica de código abierto. Investigadores y desarrolladores pueden ampliar Captum, sin limitarse a los algoritmos que ya incluye.
Compatibilidad con modelos PyTorch
Permite aplicar métodos de interpretabilidad a la mayoría de los tipos de modelos PyTorch. Se prepara la red neuronal y se elige el método; el modelo original requiere modificaciones mínimas.
Precios
Captum es una biblioteca de código abierto y las páginas oficiales proporcionadas no muestran planes de pago ni condiciones de facturación. No hay precios, cuotas ni funciones por plan publicados para comparar.
Casos de uso
Atribuir una predicción a sus entradas
Al analizar la salida de un modelo PyTorch, calcula qué valores de entrada contribuyen a un resultado seleccionado. Prepara el modelo y los tensores de entrada, especifica una referencia y un objetivo si corresponde, y aplica un método como Integrated Gradients para obtener valores de atribución.
Implementar y comparar un algoritmo de interpretabilidad
Cuando un método existente no cubre un experimento de interpretabilidad, se puede ampliar la biblioteca genérica con un algoritmo nuevo. Captum es de código abierto y permite implementar y comparar algoritmos para modelos PyTorch.
Para quién es
Desarrolladores que trabajan con redes neuronales PyTorch
Investigadores que implementan o comparan algoritmos de interpretabilidad
Preguntas frecuentes
¿Qué framework de aprendizaje automático admite Captum?
Captum admite modelos PyTorch. La página de inicio indica que funciona con la mayoría de los tipos de modelos PyTorch y requiere modificaciones mínimas a la red neuronal original.
¿Qué modalidades de modelos puede interpretar Captum?
Captum admite interpretabilidad en modalidades como visión y texto, entre otras. Las páginas proporcionadas no enumeran todas las modalidades compatibles.
¿Cómo puedo instalar Captum?
Puedes instalar Captum con conda o pip. La página de inicio recomienda conda y proporciona los comandos conda install captum -c pytorch y pip install captum.
¿Puedo agregar algoritmos de interpretabilidad a Captum?
Sí. Captum se describe como una biblioteca genérica, extensible y de código abierto para investigación en interpretabilidad; los usuarios pueden implementar y comparar algoritmos nuevos.
Comentarios