DL4J (Eclipse Deeplearning4j) er et open source-bibliotek til deep learning på Java Virtual Machine (JVM). Det gør det muligt at træne og køre neurale netværk i Java eller Scala, så det passer ind i eksisterende Java-baserede virksomhedssystemer. Projektet omfatter også værktøjer til import af modeller fra andre frameworks. Det vedligeholdes som et projekt under Eclipse Foundation.
Deep learning er en gren af maskinlæring, der bruger kunstige neurale netværk med mange lag. Sådanne netværk lærer ud fra store datamængder, hvilke træk der er vigtige – fra kanter i billeder til betydningsrelationer i tekster. Deep learning ligger til grund for nutidens sprogmodeller, billed- og talegenkendelse og maskinoversættelse og kræver som regel betydelig regnekraft og mange træningsdata.
TensorFlow er et open source machine learning-framework udviklet af Google og udgivet i 2015. Det bruges til at bygge, træne og udrulle neurale netværk i applikationer, på servere eller på mobile enheder. Keras giver en tilgængelig grænseflade på højt niveau; typiske anvendelser er billedklassifikation, prognoser og anbefalingssystemer.
Keras er et open source-bibliotek i Python til at bygge og træne neurale netværk, oprindelig udviklet af François Chollet. Det tilbyder en lettilgængelig grænseflade på højt niveau til at sammensætte modeller af lag. Siden version 3 kan Keras køre på JAX, TensorFlow eller PyTorch som beregningsbackend. Eksempel: Et team bygger en prototype på en model til billedklassifikation med blot nogle få linjer kode.
PyTorch er et open source framework til machine learning og deep learning i programmeringssproget Python. Det blev oprindeligt udviklet hos Meta (dengang Facebook) og er siden 2022 blevet forvaltet af PyTorch Foundation under Linux Foundation. PyTorch er udbredt i forskning og industri, fordi udviklere fleksibelt kan bygge modeller, træne dem på GPU'er og teste dem trin for trin; mange kendte sprog- og billedmodeller er bygget med det.
