7種最佳的開源AI /機器學(xué)習(xí)系統(tǒng)和框架

在過去的幾年中，人工智能正在占領(lǐng)技術(shù)的許多領(lǐng)域。 來自不同背景的開發(fā)人員最終意識到了AI為他們帶來的機遇，而不管他們的需求如何。

在今天的文章中，我們列出了7種最佳的開源AI /機器學(xué)習(xí)系統(tǒng)和框架。

1、TensorFlow

TensorFlow可能是世界上最著名的機器學(xué)習(xí)開源框架。它由Google開發(fā)，并為多種編程語言（例如Python，Javascript，C ++和Java）提供API。

它還支持移動操作系統(tǒng)（iOS和android，對于iOS，它支持Swift編程語言），因此你可以使用它來構(gòu)建移動應(yīng)用，該應(yīng)用利用即時機器學(xué)習(xí)來構(gòu)建模型并根據(jù)現(xiàn)實世界的數(shù)據(jù)進行訓(xùn)練。

TensorFlow還具有許多其他功能，例如，它提供TensorFlow Extended（TFX）來幫助你在任何地方部署生產(chǎn)，可擴展的高性能管道，而TFDV可以幫助你大規(guī)模驗證數(shù)據(jù)，TensorFlow Model Analysis可以使機器可視化和分析學(xué)習(xí)你建立的模型。它確實是一個完整的框架，但是你知道有什么更好的嗎？因為它全部開源，免費！

TensorFlow用Python編程語言編寫，這就是為什么你可以輕松地將其輕松安裝在Windows，macOS和Linux發(fā)行版上的原因。它還集成到Google Cloud中，因此你可以根據(jù)需要直接將其部署到生產(chǎn)中。

2、Scikit-learn

Scikit-learn是一個完全用Python編寫的機器學(xué)習(xí)框架。 它使你可以使用已建立的模型對數(shù)據(jù)運行分類，回歸，聚類和降維過程，同時支持有監(jiān)督和無監(jiān)督的學(xué)習(xí)方法。

Scikit-learn是僅Python的實現(xiàn)，因此盡管它對Java / Javascript框架的移植性不強，但仍可以在所有現(xiàn)代桌面操作系統(tǒng)上使用。

Scikit-learn之所以與眾不同，是因為它提供了龐大的高質(zhì)量文檔，以及所有部分的一致API。 Scikit-learn也非常清楚你在處理它時可能需要使用哪種估計器：

3、Torch

Torch是為LuaJIT編寫的完整的科學(xué)計算環(huán)境，它是針對Lua語言的即時（JIT）編譯器。 Torch不僅是機器學(xué)習(xí)框架/庫，還是更大的科學(xué)計算環(huán)境，但是它提供的功能之一是對機器學(xué)習(xí)的支持。

如果你要使用Torch，那么你必須知道，你一定會使用真正的社區(qū)驅(qū)動的龐大庫和附件之一； 從機器學(xué)習(xí)到并行處理以及通過可視化庫傳遞……Torch中存在你在科學(xué)環(huán)境中所需的一切。

讓Torch感到遺憾的是，它在5個月前就退出了積極的開發(fā)并進入了維護模式。 因此，盡管它具有功能性和全部功能，但你不應(yīng)指望很快會有任何新的更新。

4、PyTorch

基于以前的Torch庫，PyTorch是Python優(yōu)先的機器學(xué)習(xí)框架，被大量用于深度學(xué)習(xí)。它支持CUDA技術(shù)（來自NVIDIA），可以在訓(xùn)練，分析和驗證神經(jīng)網(wǎng)絡(luò)模型中充分利用專用GPU的功能。

PyTorch的使用非常廣泛，并且正在積極地開發(fā)和支持。確實如此，因為盡管它是完全免費和開源的，但它提供了大量有價值的功能；它支持分布式訓(xùn)練（使用各種對等計算機訓(xùn)練模型），具有C ++前端（意味著你可以在C ++應(yīng)用程序和系統(tǒng)中使用PyTorch），支持集成到許多云合作伙伴（例如AWS，Google Cloud）和Microsoft Azure，并擁有大量的開發(fā)人員和科學(xué)家社區(qū)，因此不斷為其提供模塊和第三方社區(qū)附加組件。

它還提供了大量的學(xué)習(xí)資源，從在線課程到完整的API文檔和快速指南，以及在線論壇和Slack渠道支持的傳遞……你始終可以在PyTorch社區(qū)中找到幫助。

5、Microsoft Cognitive工具包

另一個深度學(xué)習(xí)庫是Microsoft Cognitive Toolkit。 它可以與Python，C＃和C ++語言一起使用，并且僅適用于Windows和Linux發(fā)行版的64位版本。 它是根據(jù)MIT許可獲得許可的。

CNTK與Torch和PyTorch一樣，支持NVIDIA的CUDA技術(shù)。 它也與.NET標(biāo)準(zhǔn)兼容，因此可用于通過.NET框架（甚至在Linux上）編寫跨平臺應(yīng)用程序。 它支持ONNX格式（這是神經(jīng)網(wǎng)絡(luò)的開源格式）。

6、Accord.NET

正如你已經(jīng)從其名稱中已經(jīng)意識到的那樣，該框架主要是為.NET框架構(gòu)建的。 它不僅僅是一個機器學(xué)習(xí)框架，而是為.NET中開發(fā)的任何內(nèi)容提供統(tǒng)計信息，計算機視覺和圖像處理方法。 因此，它可以在Windows，macOS，Linux，android和iOS上運行。

Accord.NET優(yōu)于此列表中提到的許多其他框架，這是它具有對語音識別，面部識別和圖像識別的內(nèi)置實時支持。 因此，如果你真正從各個角度學(xué)習(xí)了該框架，則可以將其用于所需的任何類型的任務(wù)以及任何類型的應(yīng)用程序。

使用Accord.NET已經(jīng)出版了大量學(xué)術(shù)出版物，并且背后有大量的用戶社區(qū)。

7、DatumBox

列表中的最后一項是完全用Java編寫的框架。DatumBox，正如其開發(fā)人員所描述的那樣：

Datumbox機器學(xué)習(xí)框架是一個用Java編寫的開源框架，它允許快速開發(fā)機器學(xué)習(xí)和統(tǒng)計應(yīng)用程序。該框架的主要重點是包括大量的機器學(xué)習(xí)算法和統(tǒng)計方法，并能夠處理大型數(shù)據(jù)集。

Datumbox開發(fā)

DatumBox的開發(fā)人員提供了一個在線高級API，該API利用DatumBox機器學(xué)習(xí)框架來完成各種預(yù)先構(gòu)建的高級任務(wù)。如果你不想使用它，則可以簡單地下載機器學(xué)習(xí)框架，構(gòu)建模型并自己進行訓(xùn)練。

結(jié)論

因此，你在這篇文章中看到了有多少種出色的開源機器學(xué)習(xí)模型，它們在提供的質(zhì)量和功能方面非常出色。 很難說必須使用專有的機器學(xué)習(xí)/ AI框架。

計算機視覺與語音識別的應(yīng)用示例

Gravitylink推出鈦靈AIX是一款集計算機視覺與智能語音交互兩大核心功能為一體的人工智能硬件，Model Play是面向全球開發(fā)者的AI模型資源平臺，內(nèi)置多樣化AI模型，與鈦靈AIX結(jié)合。AIX支持TensorFlow等多種開發(fā)框架，Model Play則兼容多種AI開發(fā)硬件，比如帶有Google Coral邊緣計算芯片的開發(fā)板、以及英特爾神經(jīng)計算加速棒等。