一個強大且易用的機器學習平台對於開展機器學習研究是非常重要的。好的機器學習框架會提供豐富的組件，可以方便機器學習模型的設計和實現。
目前存在以下幾類基本的機器學習平台：
開源的機器學習平台，API（Application Programming Interface，應用程序編程接口）豐富且不用付費，但學習成本高，例如 R、Python、Mahout、Spark MLlib等。商業化的機器學習平台，這類平台算法有限，但經過了長期的實踐檢驗，系統問題比較少，學習成本低，很少編程甚至不用編程，但系統內的分析模型不夠豐富，例如 IBM SPSS Modeler。圖形化的機器學習平台，這類平台綜合了以上兩類平台的優點，既提供了豐富的算法調用接口，又可以通過圖形化的人機接口快速搭建機器學習的工作流，並且能減少編程的工作量。目前因特爾、微軟、谷歌以及國內的 BAT（百度、阿裡巴巴、騰訊）等公司都提供了這樣的機器學習平台。Caffe2 
Caffe2 是面向工業級應用的框架，應用廣泛。但是從安裝部署角度來說，Caffe2 的用戶體驗 並不是非常友好，官方文檔和教程支持也不是十分充足。而且 Caffe2 只支持 Python 2，這限制了其未來的拓展。
MXNet
