投递人 itwriter 发布于 2018-06-13 14:25 原文链接 « »

  英文原文:11 Open-Source Frameworks for AI and Machine Learning Models

  过去十年中人工智能的飞速增长刺激了当今就业市场对 AI 和 ML 技能的巨大需求。从金融到医疗保健,现在几乎所有行业都在使用基于 ML 的技术。本文将介绍一系列可用于构建机器学习模型的最佳框架和库。

  1. TensorFlow

  TensorFlow 是 Google 开发的一款开源软件库,专为深度学习或人工神经网络而设计。TensorFlow 允许你可以使用流程图创建神经网络和计算模型。它是可用于深度学习的最好维护和最为流行的开源库之一。TensorFlow 框架可以使用 C++ 也可以使用 Python。其他类似的基于 Python 的深度学习框架包括 TheanoTorch,Lasagne,Blocks,MXNet,PyTorch 和 Caffe。你可以使用 TensorBoard 进行简单的可视化并查看计算流水线。其灵活的架构允许你轻松部署在不同类型的设备上。不利的一面是,TensorFlow 没有符号循环,不支持分布式学习。此外,它还不支持 Windows。

  2. Theano

  Theano 是一个专为深度学习而设计的 Python 库。你可以使用该工具定义和评估数学表达式,包括多维数组。针对 GPU 进行了优化,该工具具有与 NumPy 集成,动态C代码生成和符号区分等功能。但是,为了获得高度的抽象,该工具必须与 Keras,Lasagne 和 Blocks 等其他库一起使用。Theano 支持 Linux,Mac OS X 和 Windows 等平台。

  3. Torch

  Torch 是一款针对 ML 算法且又简单易用的开源计算框架。该工具提供了高效的 GPU 支持,N维数组,数值优化例程,线性代数例程以及用于索引、切片和置换的例程。基于 Lua 的脚本语言,该工具带有大量预先训练好的模型。这款灵活高效的 ML 研究工具支持诸如 Linux,Android,Mac OS X,iOS 和 Windows 等主流平台。

  4. Caffe

  Caffe 是一款深受欢迎的用于构建应用程序的深度学习工具。该工具是贾扬清在加州大学伯克利分校读博士期间为他的一个项目而创建的,具有良好的 Matlab / C ++ / Python 界面。该工具允许你在不编写代码的情况下使用文本快速将神经网络应用于问题。Caffe 不完全地支持多 GPU 训练。该工具支持 Ubuntu,Mac OS X 和 Windows 等操作系统。

  5. Microsoft CNTK

  Microsoft Cognitive Toolkit 是具有C#/C++/Python 接口支持的最快的深度学习框架之一。此款开源框架带有强大的C++ API,比 TensorFlow 更快、更准确。该工具还支持内置数据读取器的分布式学习。它支持诸如前馈,CNN,RNN,LSTM 和序列到序列等算法。该工具支持 Windows 和 Linux。

  6. Keras

  用 Python 编写的 Keras 是一个开源库,旨在简化新 DL 模型的创建。这种高级神经网络 API 可以在 TensorFlow,Microsoft CNTK 等深度学习框架之上运行。该工具以其用户友好性和模块化而闻名,因而非常适合快速原型开发。该工具针对 CPU 和 GPU 进行了优化。

  7. scikit-learn

  scikit-learn 是一个开源的 Python 库,专为机器学习而设计。基于诸如 NumPy,SciPy 和 matplotlib 等库的 scikit-learn 可用于数据挖掘和数据分析。scikit-learn 配备了各种 ML 模型,包括线性和逻辑回归器、SVM 分类器和随机森林。该工具可用于多个 ML 任务,如分类,回归和聚类。scikit-learn 支持 Windows 和 Linux 等操作系统。缺点是,GPU 的效率不高。

  8. Accord.NET

  Accord.NET 是用 C# 编写的 ML 框架,专为构建生产级计算机视觉、计算机试听、信号处理和统计应用程序而设计。它是一个文档记录良好的 ML 框架,可以轻松实现音频和图像处理。Accord.NET 可用于数值优化、人工神经网络和可视化。它支持 Windows。

  9. Spark MLlib

  Apache Spark 的 MLIib 是一个 ML 库,可用于 Java,Scala,Python 和R语言。因为是专为处理大规模数据而设计的,所以此强大的库具有许多算法和实用工具,如分类、回归和聚类。该工具在 Python 和R库中与 NumPy 交互操作。它可以轻松插入到 Hadoop 工作流程中。

  10. Azure ML Studio

  Azure ML Studio 是面向数据科学家的现代云平台。它可以用于在云中开发 ML 模型。 借助广泛的建模选项和算法,Azure 非常适合构建较大的 ML 模型。此服务为每个帐户提供 10GB 的存储空间。它可以与R和 Python 程序一起使用。

  11. Amazon Machine Learning

  Amazon Machine Learning (AML) 是一个 ML 服务,提供用于创建 ML 模型的工具和向导。借助可视化辅助功能和易用的分析功能,AML 旨在让开发人员更方便地使用 ML。AML 可以连接到存储在 Amazon S3、Redshift 或 RDS 中的数据。

  机器学习框架具有易于理解和编码的预构建组件,因而一个好的 ML 框架能够降低定义 ML 模型的复杂性。让我们借助这些开源 ML 框架,帮助轻松快速地构建 ML 模型。

  -

  译文链接:http://www.codeceo.com/article/11-frameworks-for-ai-and-ml.html

  翻译作者:码农网 – 小峰

 
来自: www.codeceo.com
找优秀程序员,就在博客园 收藏 新浪微博 分享至微信
标签: AI TensorFlow

24小时阅读排行

    最新新闻

      相关新闻