Evidently 是一个面向数据科学家和 ML 工程师的开源 Python 库。它有助于评估、测试和监控 ML 模型从验证到生产的性能。它适用于表格、文本数据和嵌入。

NLTK 是构建 Python 程序以处理人类语言数据的领先平台。

使用 Python 进行科学计算的基础包

在您的数据和云上构建基础模型；快速和最小的库 训练和部署人工智能模型

Keras 是为人类而非机器设计的 API。 Keras 遵循减少认知负荷的最佳实践：它提供一致且简单的 API，最大限度地减少常见用例所需的用户操作数量，并提供清晰且可操作的错误消息。

Apache MXNet 是一种深度学习框架，专为提高效率和灵活性而设计。它允许您混合使用符号和命令式编程，以最大限度地提高效率和生产力。

Caffe 是一个深度学习框架，在构建时考虑到了表达、速度和模块化。它由 Berkeley AI Research ( BAIR ) 和社区贡献者开发。 Yangqing Jia 在加州大学伯克利分校攻读博士学位期间创建了该项目。 Caffe 在 BSD 2-Clause 许可证下发布。

JAX 是 Autograd 和 XLA ，汇集在一起​​用于高性能数值计算。Google JAX 是一个用于转换数值函数的机器学习框架。 [1] [2] [3] 它被描述为将 autograd（通过函数微分自动获得梯度函数）和 TensorFlow 的 XLA 的修改版本结合在一起（加速线性代数）。它旨在尽可能地遵循 NumPy 的结构和工作流程，并与各种现有框架（如 TensorFlow 和 PyTorch）一起工作。

TensorFlow 是一个用于机器学习和人工智能的免费开源软件库。它可用于一系列任务，但特别侧重于深度神经网络的训练和推理。 TensorFlow 由 Google Brain 团队开发，供 Google 内部用于研究和生产。

具有强大 GPU 加速功能的 Python 中的张量和动态神经网络

用于预测数据分析的简单高效的工具;每个人都可以访问，并且可以在各种情况下重复使用; 基于 NumPy、SciPy 和 matplotlib 构建; 开源，可商用 - BSD 许可证

Eclipse Deeplearning4j 是一套用于在 JVM 上运行深度学习的工具。 它是唯一允许您从 Java 训练模型，同时通过我们的 cpython 绑定、模型导入支持和其他运行时（如 tensorflow-java 和 onnxruntime）的互操作混合执行 python 与 python 生态系统互操作的框架。

LangChain 是一个用于开发由语言模型驱动的应用程序的框架

AI + 机器学习 使用人工智能功能为任何开发者和任何方案创建下一代应用程序