TensorFlow是谷歌旗下的开源人工智能框架，提供一个使用数据流图的数值计算库，可在单/多颗CPU或GPU系统甚至移动设备上运行。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域。

Pytorch是torch的python版本，是由Facebook开源的神经网络框架。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。

CNTK(Computational Network Toolkit)是一个微软的开源人工智能工具。不论是在单个CPU/GPU、多个GPU或是拥有多个GPU的集群上都有优异的表现。它在语音识别、机器翻译、图像识别、自然语言理解等方面都有广泛的应用。

OpenNN的全称为“Open Neural Networks Library”，即开源神经网络库，核心代码由C++编写，主要面向深度学习领域，助力于用户构建各种不同的神经网络模型。OpenNN可用于实现监督学习场景中任何层次的非线性模型，同时还支持各种具有通用近似属性的神经网络设计。

SystemML最初由IBM 开发，现在是一个Apache大数据项目。它提供了一个高度可伸缩的平台，可以实现高等数学运算，并且它的算法用R或一种类似python的语法写成，可以在Spark或Hadoop上运行。

Mahout 是 Apache基金会旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。Mahout包含许多实现，包括聚类、分类、推荐过滤、频繁子项挖掘。

DMTK 是分布式机器学习工具Distributed Machine Learning Toolkit的缩写，和CNTK一样，是微软的开源人工智能工具。作为设计用于大数据的应用程序，它的目标是更快的训练人工智能系统。它包括三个主要组件：DMTK 框架、LightLDA 主题模型算法和分布式（Multi-sense）文字嵌入算法。

NuPIC是一个实现了HTM学习算法的机器智能平台。HTM是层级实时记忆脑皮质学习算法。HTM的核心是基于时间的连续学习算法，该算法可以存储和调用时间和空间两种模式。NuPIC可以适用于解决各类问题，尤其是异常检测和流数据源预测方面。

MXNet是一个兼具效率和灵活性的深度学习框架。它允许使用者将符号编程和命令式编程相结合，以追求效率和生产力的最大化，该程序可以动态自动进行并行化符号和命令的操作。该库轻量且便携带，并且可扩展到多个GPU和多台主机上。