Apache MXNet

Python版本的TensorFlow深度学习API

MLX是由苹果的机器学习研究团队推出的用于机器学习的阵列框架，该开源框架专为 Apple Silicon 芯片而设计优化，从NumPy、PyTorch、Jax和ArrayFire等框架中吸取灵感，提供简单友好的使用方法，帮助开发人员在苹果M系列芯片上有效地开发、训练和部署模型。 MLX的主要功能 熟悉的 API：MLX 有一个紧随 NumPy 的 Python API。MLX 还拥有功能齐全的 C++ API，与 Python API 非常相似。 可组合的函数转换：MLX 支持用于自动微分、自动向量化和计算图优化的可组合函数转换。 惰性计算：MLX 中的计算是惰性计算，数组仅在需要时才会具体化。 动态图构建：MLX 中的计算图是动态构建的。更改函数参数的形状不会触发缓慢的编译，并且调试简单直观。 多设备：可以在任何支持的设备（CPU 和 GPU）上运行。 统一内存：MLX 和其他框架的主要区别在于统一内存模型，阵列共享内存。MLX 上的操作可以在任何支持的设备类型上运行，无需移动数据。

Caffe（Convolutional Architecture for Fast Feature Embedding）(快速特征嵌入的卷积架构)是一个开源的深度学习框架，最初由加州大学伯克利分校的Yangqing Jia开发。 2017年4月，Facebook发布了Caffe2，其中包含了递归神经网络（RNN）等新功能。2018年3月底，Caffe2被并入PyTorch。

言犀智能体平台是什么 言犀智能体平台是京东推出的一站式AI智能体开发平台，用户无论有无编程基础，都能快速构建基于AI模型的智能体，处理问答到复杂业务逻辑。平台集成了多个大模型，提供算法库和工具，支持行业应用快速落地。目前已有超过3300个智能体在京东内部活跃，沉淀了100多个行业解决方案模板。 言犀智能体平台的主要功能 接入大模型：平台已接入数十个大模型，支持用户根据业务需求选择不同模型。 低成本快速搭建：无论用户是否有编程基础，都可以快速搭建基于AI模型的智能体。 行业解决方案模板：平台沉淀了100多个行业解决方案模板，支持行业应用快速落地。 算法库及工具库：通过插件能力，平台提供上千种算法和工具能力，如数据分析、NL2SQL等。 如何使用言犀智能体平台 注册与登录：用户需要访问京东云言犀智能体平台的官方网站，注册账号并登录（yanxi.jd）。 选择智能体模板：平台提供了多种行业解决方案模板，用户可以根据自己的业务需求选择合适的模板作为起点。 配置智能体：用户可以对选定的智能体模板进行配置，包括但不限于设置智能体的名称、功能、交互逻辑等。 接入大模型：根据业务需求，用户可以在平台中选择和接入不同的大模型，如言犀大模型、GPT等。 知识库接入：使用Advance RAG技术，用户可以简单配置实现结构化和非结构化数据的接入，增强智能体的知识库。 算法库和工具库应用：用户可以在智能体中运用平台提供的算法和工具能力，如数据分析、NL2SQL等。 工作流编排：通过工作流对智能体的插件和大模型能力进行编排组合，指导智能体按照既定思路行动。 智能数据分析：利用平台的数据分析能力，用户可以通过自然语言查询和分析业务数据。 测试与优化：在智能体搭建完成后，用户需要进行测试，根据测试结果对智能体进行优化和调整。 部署与应用：测试无误后，用户可以将智能体部署到实际业务场景中，开始使用智能体处理业务问题。

开源机器学习框架

Deeplearning4j是为数不多的以Java虚拟机（JVM）为目标，以Java原生编写的机器学习框架之一。该框架由位于旧金山的一组机器学习开发人员开发，并由初创公司Skymind提供商业支持。Deeplearning4j于2017年10月捐赠给了Eclipse基金会。该库与Clojure和Scala兼容。 对于集群和分布式训练，Deeplearning4j与Apache Spark和Apache Hadoop集成。它还与NVIDIA CUDA运行时集成，可在多个GPU之间执行GPU操作和分布式训练。 Deeplearning4j包括一个使用ND4J的n维数组类，该类允许在Java和Scala中进行科学计算，与NumPy提供给Python的函数类似。它可以有效地用作执行线性代数和矩阵操作的库，用于训练和推理。 Deeplearning4j可以用于训练模型，这些模型可以执行图像分类、对象检测、图像分割、自然语言处理和时间序列预测。