Cadres

Caffe est un cadre d'apprentissage profond développé pour la classification d'images et d'autres tâches utilisant des réseaux de neurones convolutifs (CNN).

Chainer est un cadre d'apprentissage profond flexible et intuitif qui permet des graphes de calcul dynamiques.

DReCon signifie Représentation et Contextualisation des Données, un cadre pour améliorer l'interopérabilité des données.

MXNet est un cadre d'apprentissage profond open-source connu pour sa scalabilité et son efficacité dans la formation de réseaux neuronaux.