Open Neural Network Exchange (ONNX) on masinõppemudelite avatud failivorming, mille võtsid 2017. aastal kasutusele Microsoft ja Facebook (nüüd Meta) ning mida haldab nüüd LF AI & Data Foundation. Näiteks PyTorchis treenitud mudeli saab eksportida ONNX-i ja käitada teiste tööriistade või käituskeskkondadega, nagu ONNX Runtime. See muudab raamistike vahel vahetamise ja eri riistvaral kasutuselevõtu lihtsamaks.
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.
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.
Apache MXNet oli avatud lähtekoodiga süvaõppe raamistik, mis suutis mudeleid tõhusalt treenida mitmel GPU-l ja masinal ning millel olid liidesed Pythonile, C++-le, R-ile, Scalale ja muudele keeltele. Amazon Web Services toetas seda mõned aastad eelistatud raamistikuna. Apache Software Foundation lõpetas projekti 2023. aasta septembris ja viis selle 2024. aasta veebruariks arhiivi Apache Attic; seda ei arendata enam. Olemasolevad mudelid viiakse tavaliselt üle teistele raamistikele.
Scikit-learn on avatud lähtekoodiga Pythoni teek klassikalise masinõppe jaoks. See pakub ühtseid tööriistu klassifitseerimiseks, regressiooniks, klasterdamiseks, mõõtmelisuse vähendamiseks, andmete eeltöötluseks ja mudeli hindamiseks, näiteks ristvalideerimiseks. NumPy ja SciPy peale ehitatuna on see lihtsa ja ühtse liidese tõttu laialdaselt kasutusel hariduses, teaduses ja praktikas. Sügavate närvivõrkude jaoks valitakse tavaliselt hoopis sellised raamistikud nagu PyTorch või TensorFlow.
