python人工智能库有：1、TensorFlow；2、PyTorch；3、Keras；4、Scikit-learn；5、NLTK；6、spaCy；7、Gensim；8、Deeplearning4j；9、PyTorch Geometric；10、DGL。详细介绍：1、TensorFlow，这是一个由Google开发的开源深度学习框架，它提供了丰富的API和工具等等。

Python是人工智能领域最常用的编程语言之一，因此有很多专门为人工智能任务设计的Python库。以下是一些主要的Python人工智能库：

1、TensorFlow：这是一个由Google开发的开源深度学习框架，它提供了丰富的API和工具，使得用户可以轻松地构建和训练神经网络模型。TensorFlow支持多种硬件平台，并且可以方便地扩展到大规模的分布式计算环境中。

2、PyTorch：这是由Facebook开发的另一个深度学习框架，与TensorFlow相比，它更加灵活和易于使用。PyTorch支持动态计算图，使得用户可以更加方便地进行模型开发和调试。

3、Keras：这是一个基于TensorFlow的高层神经网络API，它提供了简洁的API和易于使用的工具，使得用户可以轻松地构建和训练深度学习模型。

4、Scikit-learn：这是一个专门为机器学习任务设计的Python库，它提供了大量的算法和工具，包括分类、回归、聚类、降维等。Scikit-learn的API非常简洁易用，使得用户可以快速地进行机器学习实验。

5、NLTK：这是一个专门为自然语言处理任务设计的Python库，它提供了大量的工具和算法，包括分词、词性标注、命名实体识别、情感分析等。

6、spaCy：这是一个基于Python的自然语言处理库，它提供了高效的算法和工具，使得用户可以轻松地进行词性标注、命名实体识别、依存句法分析等任务。

7、Gensim：这是一个专门为自然语言处理和文本挖掘任务设计的Python库，它提供了高效的算法和工具，包括主题建模、文档相似度计算、情感分析等。

8、Deeplearning4j：这是一个基于Java和Scala的深度学习库，但它也提供了Python接口。Deeplearning4j支持多种硬件平台，并且可以方便地扩展到大规模的分布式计算环境中。

9、PyTorch Geometric：这是一个基于PyTorch的几何深度学习库，它提供了专门为图神经网络设计的API和工具，使得用户可以轻松地进行图神经网络的开发和训练。

10、DGL：这是一个基于Python的图神经网络库，它提供了丰富的API和工具，包括图神经网络的构建、训练、推理等。DGL支持多种硬件平台，并且可以方便地扩展到大规模的分布式计算环境中。

以上是一些主要的Python人工智能库，但实际上还有很多其他的库和工具可供选择和使用。不同的库和工具都有其独特的应用场景和优势，用户可以根据自己的需求选择合适的库和工具。