Apache MXNet

Google推出的机器学习和人工智能开源库

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。

Vercel AI SDK是前端网站开发和托管平台及Next.js开发团队「Vercel」推出的，用于快速构建AI聊天机器人网站应用程序的开发套件，可以帮助开发人员使用JavaScript和TypeScript构建对话式的AI用户界面。 Vercel AI SDK的特性 支持React/Next.js、Svelte/SvelteKit和Vue/Nuxt等前端框架，以及Node.js、Serverless和Edge Runtime 内置各种AI模型的适配器，支持LangChain、OpenAI、Anthropic和Hugging Face等提供的大语言模型 提供交互式在线提示playground（sdk.vercel.ai），其中包含20个开源和云LLM。可以实时展示不同对话模型的聊天界面，并且可以快速生成代码。 提供多个AI聊天机器人的模板和示例，你可以克隆/复制Vercel提供的基于不同框架和模型开发的AI聊天机器人的初始模板 如何使用Vercel AI SDK 前提条件需要在电脑上安装Node.js 18+版本，如果要开发基于OpenAI的GPT聊天机器人，需要获得OpenAI API密钥 使用Next.js（pnpm dlx create-next-app my-ai-app）或者Svelte（pnpm create svelte@latest my-ai-app）等框架创建一个全新的项目，并定位到创建好的目录（cd my-ai-app） 安装依赖项，pnpm install ai openai-edge 配置 OpenAI API 密钥，.env.local在项目根目录中创建一个文件并添加您的 OpenAI API 密钥 创建API路由并连接UI，完成后使用pnpm run dev运行启动应用程序

开源深度学习平台

Gumloop是什么 Gumloop 是一个 AI 自动化框架，通过简单的拖放界面使用户能够创建和部署 AI 驱动的工作流自动化，无需编写代码。核心优势在于易用性和强大的 AI 功能，适合非技术用户快速上手，设计和实施复杂的自动化流程。Gumloop 提供了预定义的自动化模板，支持与多个流行服务的连接，如 Twitter、AWS、GitHub、Outlook、Google 等，支持用户自定义工作流程。Gumloop 提供了 Chrome 扩展程序，用于构建 AI 浏览器自动化。 Gumloop的主要功能 自动化构建：用户可以通过拖放和链接节点来创建强大的自动化流程，模块化组件被称为“flows”，使任何人能轻松构建和定制工作流。 平台整合：Gumloop 提供与 Twitter、AWS、GitHub、Outlook、Google 等流行服务的广泛整合，实现跨平台的全面自动化。 可扩展的基础设施：用户缺乏技术背景，也能大规模运行工作流。Gumloop 设计了高效的处理能力，能处理大量工作负载。 团队协作：用户可以在统一的工作空间内与团队成员共享和共同建立工作流，增强生产力和合作能力。 安全性和可扩展性：Gumloop 专注于安全性和可扩展性，提供 SOC 2 和 GDPR 合规性、数据加密和细粒度访问控制等功能。 自动化模板：提供预定义的自动化模板，帮助用户快速开始，适用于多种业务场景。 AI 数据提取器：内置的 AI 数据提取器可以从各种内容中提取所需数据，如文本、网页、电子邮件等。 测试和运行：用户可以在 Gumloop 提供的沙箱中测试工作流程，在满意后部署。 Gumloop的产品官网 产品官网：gumloop.com 如何使用Gumloop 创建账户：访问 Gumloop 官方网站注册账户。 探索模板：查看预构建的自动化模板，模板涵盖了销售、CRM、网页抓取、软件开发等多个领域。 阅读文档：通过官方文档了解如何使用平台，包括快速入门指南和深入教程。 构建工作流程：使用直观的拖放界面创建自定义工作流程，可以添加和连接多个自动化组件。 测试和运行：在 Gumloop 提供的沙箱环境中测试您的工作流程，满意后可以共享或部署。 Gumloop的应用场景 客户服务自动化：使用 Gumloop 创建智能客服机器人，自动处理常见查询，分类和路由客户请求。 营销自动化：通过个性化内容推荐，自动化社交媒体发布和互动，以及数据分析和报告生成，来提升营销效率。 财务流程自动化：自动化发票处理、报销审核，智能异常检测和风险评估。 人力资源管理：使用 Gumloop 进行简历筛选、候选人匹配、员工绩效分析和预测。 供应链优化：进行需求预测、库存管理和物流路线优化。

GoogleJAX是一个用于变换数值函数的机器学习框架，Google称其为为结合了修改版本的Autograd（通过函数微分自动获得梯度函数）和TensorFlow的XLA（加速线性代数）。该框架的设计尽可能遵循NumPy的结构和工作流程，并与TensorFlow和PyTorch等各种现有框架协同工作。 JAX的主要功能是包括： grad：自动微分 jit：编译 vmap：自动矢量化 pmap：SPMD编程

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。

Python版本的TensorFlow深度学习API