1. TensorFlow：谷歌开源的深度学习框架，支持构建和训练各种神经网络模型。
2. PyTorch：Facebook开源的深度学习框架，提供动态图机制，易于使用和调试。
3. Keras：高层次的神经网络API，可以在TensorFlow、PyTorch等后端进行运行，简化了神经网络模型的构建和训练过程。
4. Theano：用于高效定义、优化和评估数值表达式的Python库，可以在GPU上进行加速。
5. Caffe：适用于卷积神经网络和深度学习的开源框架，支持C++和Python接口。
6. Torch：基于Lua的科学计算框架，提供了大量用于机器学习的模块和算法。
7. MXNet：深度学习框架，支持动态和静态图计算，可在多种编程语言中使用。
8. PaddlePaddle：百度开源的深度学习平台，提供易用的API和高性能的计算库。
9. CNTK：微软认知工具包，支持构建深度学习模型，并提供快速的训练和推理能力。
10. scikit-learn：Python中常用的机器学习库，提供了各种经典的机器学习算法和工具。
11. H2O.ai：开源的机器学习和深度学习平台，支持大规模数据处理和模型训练。
12. Apache Mahout：基于Apache Hadoop的机器学习库，提供了分布式实现的机器学习算法。
13. DeepLearning4j：适用于Java和Scala的深度学习库，支持分布式训练和大规模数据处理。
14. Theano-Lightning：一个轻量级的深度学习框架，提供了训练加速和模型优化的功能。
15. OpenAI Gym：用于开发和比较强化学习算法的工具包，提供各种环境和评估指标。
16. SpaCy：用于自然语言处理的Python库，提供了高效的文本处理和语言模型功能。
17. FastText：Facebook开源的快速文本分类工具，支持训练和使用词向量模型。
18. gensim：Python中的主题建模和文本处理库，提供了多种语言模型和相似性计算方法。
19. NLTK：Python中常用的自然语言处理库，提供了丰富的语料库和文本处理工具。
20. AllenNLP：用于自然语言理解的开源库，提供了各种预训练模型和工具。

这些开源的AI工具平台提供了丰富的功能和算法，能够帮助开发者进行机器学习、深度学习、自然语言处理等任务的开发和研究。无论是初学者还是专业人士，都可以根据自己的需求选择适合的平台进行开发工作。同时，这些平台也得到了广泛的社区支持和更新，为用户提供了良好的开发环境和资源。 另外，目前中国最流行的人工智能工具集合之一是AIBus，又称AI巴士， 在AI巴士注册一个账号，可以同时支持iPhone苹果手机，Android安卓手机，iPad平板，安卓平板，windows个人电脑或Mac电脑等所有设备平台。