|
|
51CTO旗下网站
|
|
移动端

面向人工智能和机器学习模型的五大开源框架

最近十年人工智能的迅猛增长刺激了当前市场对人工智能和机器学习技能的巨大需求。基于机器学习的创新目前应用于从金融到医疗的几乎各行各业。我们在本文中将重点介绍5种工具及其各自面向人工智能和机器学习模型的框架。每个工具或框架都附有简短描述和功能特性介绍。

作者:布加迪编译来源:51CTO|2018-12-28 09:00

面向人工智能和机器学习模型的五大开源框架

【51CTO.com快译】最近十年人工智能的迅猛增长刺激了当前市场对人工智能和机器学习技能的巨大需求。基于机器学习的创新目前应用于从金融到医疗的几乎各行各业。我们在本文中将重点介绍5种工具及其各自面向人工智能和机器学习模型的框架。每个工具或框架都附有简短描述和功能特性介绍。

1.谷歌的TensorFlow

TensorFlow是一个开源编程库,最初由谷歌大脑团队的的研究人员开发。TensorFlow用于数据流图形和图表方面的数值计算。图表中的节点与数值任务对话,而图表边缘与在它们之间传递的多维信息数组(张量)对话。这种自适应设计让你使用单个API,就可以将计算部署到工作区、服务器或手机中的至少一个CPU或GPU。

TensorFlow提供多种多样的API。最基本的API:TensorFlow Core为你提供了全面的编程控制。较庞大的API基于TensorFlow Core,学习和使用起来要求通常不如TensorFlow Core那么高。此外,更高级别的API使得冗余任务在诸客户端之间要求较低、更加可靠。

链接:https://www.tensorflow.org/

2.Caffe:一种注重表达、速度和模块化的深度学习框架。

Caffe是面向计算机视觉相关任务的一种强大的、众所周知的决策,可以从Caffe Model Zoo下载Caffe客户制作的众多高效模型,直接可以拿来使用。它最初由贾扬清在加州大学伯克利分校攻读博士学位期间开发而成,后来逐渐被伯克利AI研究中心(BAIR)和网络赞助商大力推广。它基本上以用于计算机视觉的卷积系统为中心。

链接:http://caffe.berkeleyvision.org/

3.Torch:一个开源机器学习库、一种逻辑处理框架以及一种基于Lua编程语言的脚本语言。

Torch为深度机器学习提供了广泛的算法。它使用脚本语言LuaJIT和基本的C/CUDA用法。它提供了一个可适应的N维数组即张量,支持针对索引、切片、转置、类型抛出、调整大小、共享库存和克隆的基本例程。该工具甚至支持各大平台,比如iOS、Windows、Mac OS X、Linux和Android。

Torch被Facebook AI研究组织之类的庞大协会使用。它已经在Android和iOS上使用。它已被用于构建用于数据流的硬件实现,比如神经系统中的数据流。Facebook已经发布了一套扩展模块作为开源编程。

PyTorch是一个开源机器学习库,广泛用于用Python编写的应用程序,比如自然语言处理。它主要由FaceBook的AI研究组织创建,优步用于概率编程的Pyro编程技术基于它。

链接:http://torch.ch/

4.Neuroph:一种用Java语言编写的面向对象的神经网络框架。

Neuroph可用于训练和创建用Java程序编写的神经系统。它提供了一个Java类库,还提供了名为easyNeurons的GUI工具,用于制作和准备神经系统。Neuroph是一个轻量级Java神经系统,也是用于创建基本神经系统模型的框架。它包含一个全面规划的开源Java库,与基本的NN概念有关的基本类没有几个。它还有令人愉快的GUI神经网络编辑工具,可快速制作Java神经系统段。它采用Apache 2.0许可证作为开源发布。

Neuroph的中心类相当于基本的神经系统概念,比如人工神经元、神经元层、神经元关联、权重、交换工作、输入工作和学习指南等。Neuroph支持基本的神经系统结构,比如,具有反向传播、Kohonen和Hopfield系统的多层感知器。这每一类都可以扩展和重做,以构建自定义神经系统和制定学习规则。Neuroph致力于帮助图像识别。

链接:http://neuroph.sourceforge.net/

5.Deeplearning4j(DL4J):据说是为Java和Scala构建的一种主要的商业级、开源、分布式深度学习库。

Deeplearning4j(DL4J)与Hadoop和Spark合并。DL4J旨在运行在分布式GPU和CPU上的商业环境。Deeplearning4j的优点如下:

  • Deeplearning4j旨在注重配置传统而非设计,以此站在前沿,这考虑到了面向非研究人员的快速原型设计。
  • 可以大规模定制。
  • DL4J可以通过Keras从大多数实际系统导入神经网络模型,包括TensorFlow、Caffe和Theano,克服了Python生态系统与JVM、数据科学家和DevOps之间的差距。Keras被用作Deeplearning4j的Python API。

链接:https://deeplearning4j.org/

本文中分析的几种库极其高效,最终具有高水准。像Facebook、谷歌、雅虎、苹果和微软这样大企业在使用这些库用于深度学习和机器学习事业,所以你有什么理由不这么做呢?你能想到经常使用的其他库吗?欢迎留言交流!

原文标题:5 Open Source Frameworks For Artificial Intelligence & Machine Learning Models,作者:Rashmi Inglekh

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

【编辑推荐】

  1. 12年后,人工智能和人类会是什么样?这是900位专家的看法
  2. 人工智能测试:关于无人车测试的案例研究
  3. 2018年终总结之AI领域开源框架汇总
  4. 11月份最热门的机器学习开源项目及Reddit讨论TOP 5
  5. 回看2018年人工智能预测,有哪些成为现实?
【责任编辑:庞桂玉 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

WebWork in Action中文版

本书是一本从头至尾都使用现实世界例子讲述有关编写Web应用程序的书籍。WebWork所强调的内容是:利用框架实现你的项目,而不是被框架所阻碍...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊