Open Neural Network Exchange (ONNX) är ett öppet filformat för maskininlärningsmodeller, introducerat 2017 av Microsoft och Facebook (numera Meta) och som i dag drivs av LF AI & Data Foundation. En modell som tränats i till exempel PyTorch kan exporteras till ONNX och köras med andra verktyg eller körmiljöer som ONNX Runtime. Det gör det lättare att byta ramverk och att driftsätta på olika hårdvara.
PyTorch är ett ramverk med öppen källkod för maskininlärning och djupinlärning i programmeringsspråket Python. Det utvecklades ursprungligen hos Meta (då Facebook) och har sedan 2022 förvaltats av PyTorch Foundation under Linux Foundation. PyTorch används flitigt inom forskning och industri eftersom det låter utvecklare bygga modeller flexibelt, träna dem på GPU:er och testa dem steg för steg; många välkända språk- och bildmodeller är byggda med det.
TensorFlow är ett ramverk för maskininlärning med öppen källkod, utvecklat av Google och släppt 2015. Det används för att bygga, träna och driftsätta neurala nätverk i applikationer, på servrar eller på mobila enheter. Keras erbjuder ett lättillgängligt högnivågränssnitt; typiska användningsområden är bildklassificering, prognoser och rekommendationssystem.
Apache MXNet var ett ramverk för djupinlärning med öppen källkod som effektivt kunde träna modeller över flera GPU:er och maskiner, med gränssnitt för Python, C++, R, Scala och andra språk. Amazon Web Services stödde det som sitt föredragna ramverk under några år. Apache Software Foundation avvecklade projektet i september 2023 och flyttade det till Apache Attic i februari 2024; det utvecklas inte längre. Befintliga modeller migreras vanligtvis till andra ramverk.
Scikit-learn är ett Python-bibliotek med öppen källkod för klassisk maskininlärning. Det erbjuder enhetliga verktyg för klassificering, regression, klustring, dimensionsreduktion, förbehandling av data och modellutvärdering, som korsvalidering. Byggt på NumPy och SciPy används det flitigt inom utbildning, forskning och praktik tack vare sitt enkla, enhetliga gränssnitt. För djupa neurala nätverk väljer man vanligtvis ramverk som PyTorch eller TensorFlow i stället.
