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
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。
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。
使用 Python 进行科学计算的基础包
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。
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。