Open Neural Network Exchange (ONNX) ir atvērts failu formāts mašīnmācīšanās modeļiem, ko 2017. gadā ieviesa Microsoft un Facebook (tagad Meta) un ko tagad uztur LF AI & Data Foundation. Piemēram, PyTorch apmācītu modeli var eksportēt uz ONNX un palaist ar citiem rīkiem vai izpildes vidēm, piemēram, ONNX Runtime. Tas atvieglo pāriešanu starp ietvariem un izvietošanu uz dažādas aparatūras.
PyTorch ir atvērtā pirmkoda ietvars mašīnmācīšanās un dziļās mācīšanās uzdevumiem programmēšanas valodā Python. Sākotnēji to izstrādāja uzņēmumā Meta (tolaik Facebook), un kopš 2022. gada to pārrauga PyTorch Foundation Linux Foundation paspārnē. PyTorch ir plaši izmantots pētniecībā un nozarē, jo ļauj izstrādātājiem elastīgi veidot modeļus, apmācīt tos uz GPU un testēt soli pa solim; ar to veidoti daudzi pazīstami valodas un attēlu modeļi.
TensorFlow ir atvērtā pirmkoda mašīnmācīšanās ietvars, ko izstrādāja Google un izlaida 2015. gadā. To izmanto, lai veidotu, apmācītu un izvietotu neironu tīklus lietojumprogrammās, serveros vai mobilajās ierīcēs. Keras nodrošina viegli lietojamu augsta līmeņa saskarni; tipiski pielietojumi ir attēlu klasifikācija, prognozēšana un ieteikumu sistēmas.
Apache MXNet bija atvērtā pirmkoda dziļās mācīšanās ietvars, kas varēja efektīvi apmācīt modeļus vairākos GPU un datoros, ar saskarnēm Python, C++, R, Scala un citām valodām. Amazon Web Services vairākus gadus to atbalstīja kā savu vēlamo ietvaru. Apache Software Foundation projektu slēdza 2023. gada septembrī un līdz 2024. gada februārim pārvietoja uz Apache Attic; tas vairs netiek attīstīts. Esošos modeļus parasti pārnes uz citiem ietvariem.
Scikit-learn ir atvērtā pirmkoda Python bibliotēka klasiskajai mašīnmācīšanās. Tā nodrošina vienotus rīkus klasifikācijai, regresijai, klasterizācijai, dimensiju samazināšanai, datu priekšapstrādei un modeļu novērtēšanai, piemēram, krusteniskajai validācijai. Būdama balstīta uz NumPy un SciPy, tā pateicoties vienkāršajai, vienotajai saskarnei tiek plaši izmantota izglītībā, pētniecībā un praksē. Dziļajiem neironu tīkliem parasti izvēlas ietvarus, piemēram, PyTorch vai TensorFlow.
