fastai on PyTorchile tuginev avatud lähtekoodiga Pythoni teek süvaõppeks. See koondab end tõestanud vaikeseaded, nii et piltide, teksti või tabelandmete mudeleid saab treenida mõne koodireaga, võimaldades samas sügavat kohandamist igal tasandil. See kasvas välja õppeinitsiatiivist fast.ai ja saadab selle tasuta kursusi, mistõttu on see populaarne hariduses ja mudelite kiireks katsetamiseks.
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.
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.
Siirdeõppes (transfer learning) on lähtepunktiks mudel, mis on juba õppinud suure üldise ülesande, uue spetsialiseeritud ülesande jaoks. Nullist alustamise asemel kohandatakse seda, näiteks peenhäälestuse abil, võrdlemisi vähese omaandmestikuga. See säästab arvutusaega ja andmeid, näiteks kui üldine pildimudel peab õppima fotodelt tootmisdefekte märkama.
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.
