DL4J (Eclipse Deeplearning4j) on avatud lähtekoodiga süvaõppe teek Java virtuaalmasinale (JVM). See võimaldab närvivõrke treenida ja käitada Javas või Scalas, mistõttu sobib see olemasolevatesse Java-põhistesse ettevõttesüsteemidesse. Projekti kuuluvad ka tööriistad mudelite importimiseks teistest raamistikest. Seda haldab Eclipse Foundation oma projektina.
Süvaõpe on masinõppe haru, mis kasutab paljude kihtidega tehisnärvivõrke. Sellised võrgud õpivad suurtest andmehulkadest ise, millised tunnused on olulised – piltidel servadest, tekstides tähenduslike seosteni. Süvaõpe on tänapäevaste keelemudelite, pildituvastuse, kõnetuvastuse ja masintõlke aluseks ning vajab tavaliselt märkimisväärset arvutusvõimsust ja treeningandmeid.
TensorFlow on Google'i välja töötatud ja 2015. aastal avaldatud avatud lähtekoodiga masinõppe raamistik. Seda kasutatakse närvivõrkude ehitamiseks, treenimiseks ja kasutuselevõtuks rakendustes, serverites või mobiilseadmetes. Keras pakub ligipääsetavat kõrgetasemelist liidest; tüüpilised kasutusalad on piltide klassifitseerimine, prognoosimine ja soovitussüsteemid.
Keras on avatud lähtekoodiga Pythoni teek närvivõrkude ehitamiseks ja treenimiseks, mille töötas algselt välja François Chollet. See pakub kergesti kasutatavat kõrgetasemelist liidest mudelite kokkupanekuks kihtidest. Alates versioonist 3 saab Keras töötada arvutustaustsüsteemina JAX-il, TensorFlow'l või PyTorchil. Näide: meeskond ehitab pildiklassifitseerimise mudeli prototüübi vaid mõne koodireaga.
PyTorch on avatud lähtekoodiga raamistik masinõppeks ja süvaõppeks Pythoni programmeerimiskeeles. See töötati algselt välja Metas (tollal Facebook) ning seda haldab alates 2022. aastast Linux Foundationi alla kuuluv PyTorch Foundation. PyTorchi kasutatakse laialdaselt teaduses ja tööstuses, sest see võimaldab arendajatel mudeleid paindlikult ehitada, GPU-del treenida ja samm-sammult testida; paljud tuntud keele- ja pildimudelid on sellega ehitatud.
