目前最流行的15个机器学习框架,你知道几个?
机器学习工程师是开发产品和构建算法团队中很重要的一部分,他们和数据专家密切合作来了解理论知识和行业应用。数据专家和机器学习工程师的主要区别是:
• 机器学习工程师构建、开发和维护机器学习系统的产品
• 数据专家进行调查研究形成有关于机器学习项目的想法,然后分析来理解机器学习系统的度量影响
下面就来介绍一下目前最流行的15个机器学习框架:
1. Apache Singa
Apache Singa是一个用于在大型数据集上训练深度学习的通用分布式深度学习平台,它是基于分层抽象的简单开发模型设计的。它还支持各种当前流行的深度学习模型,有前馈模型(卷积神经网络,CNN),能量模型(受限玻尔兹曼机,RBM和循环神经网络,RNN),还为用户提供了许多内嵌层。
2. Amazon Machine Learning(AML)
Amazon Machine Learning(AML)是一种让各种级别使用机器学习技术的开发人员可轻松掌握的一个服务,提供了视觉工具和向导,可以指导您在不必学习复杂的机器学习算法和技术的情况下建立机器学习。
3. Azure ML Studio
Azure ML Studio允许微软Azure的用户创建和训练模型,随后将这些模型转化为能被其他服务使用的API。尽管您可以将自己的Azure存储链接到更大模型的服务,但是每个账户模型数据的存储容量最多不超过10GB。在Azure中有大量的算法可供使用,这要感谢微软和一些第三方。甚至都不需要注册账号,就可以匿名登录,使用Azure ML Studio服务长达8小时。
4. Caffe
Caffe是由伯克利视觉学习中心(BLVC)和社区贡献者们基于BSD-2-协议开发的一个深度学习框架,它秉承“表示、效率和模块化”的开发理念。模型和组合优化通过配置而不是硬编码实现,并且用户可根据需要在CPU处理和GPU处理之间进行切换,Caffe的高效性使其在实验研究和产业部署中的表现很完美,使用单个NVIDIA K40 GPU处理器每天即可处理超过六千万张图像 。
5. H2O
H2O使人轻松地应用数学和预测分析来解决当今极具挑战性的商业问题,它巧妙的结合了目前在其他机器学习平台还未被使用的独有特点:最佳开源技术,易于使用的WebUI和熟悉的界面,支持常见的数据库和不同文件类型。用H2O,您可以使用现有的语言和工具。此外,也还可以无缝扩展到Hadoop环境中。
6. Massive Online Analysis (MOA)
Massive Online Analysis (MOA)是目前最受欢迎的数据流挖掘开源框架,拥有一个非常活跃的社区。它包含一系列的机器学习算法(分类,回归,聚类,离群检测,概念漂移检测和推荐系统)和评价工具。和WEKA项目一样,MOA 也是用Java编写,但扩展性更好。
7. MLlib (Spark)
MLlib (Spark)是Apache Spark的机器学习库,目的是让机器学习实现可伸缩性和易操作性,它由常见的学习算法和实用程序组成,包括分类、回归、聚类,协同过滤、降维,同时包括底层优化原生语言和高层管道API。
8. Mlpack
Mlpack是一个基于C++的基础学习库 ,最早于2011年推出,据库的开发者声称,它秉承“可扩展性、高效性和易用性”的理念来设计的。执行Mlpack有两种方法:通过快速处理简易的“黑盒”操作命令行执行的缓存,或者借助C++ API处理较为复杂的工作。Mlpack可提供简单的能被整合到大型的机器学习解决方案中的命令行程序和C++的类。
9. Pattern
Pattern是Python编程语言的web挖掘组件,有数据挖掘工具( Google、Twitter 、Wikipedia API,网络爬虫,HTML DOM解析器),自然语言处理(词性标注,n-gram搜索,情感分析,WordNet接口),机器学习(向量空间模型,聚类,支持向量机),网络分析和可视化。
10. Scikit-Learn
Scikit-Learn为了数学和科学工作,基于现有的几个Python包(Numpy,SciPy和matplotlib)拓展了Python的使用范围。最终生成的库既可用于交互式工作台应用程序,也可嵌入到其他软件中进行复用。该工具包基于BSD协议,是完全免费开源的,可重复利用。Scikit-Learn中含有多种用于机器学习任务的工具,如聚类,分类,回归等。Scikit-Learn是由拥有众多开发者和机器学习专家的大型社区开发的,因此,Scikit-Learn中最前沿的技术往往会在很短时间内被开发出来。
11. Shogu
Shogu是最早的机器学习库之一,它创建于1999年,用C++开发,但并不局限于C++环境。借助SWIG库,Shogun适用于各种语言环境,如Java,Python,c#,Ruby,R,Lua,Octave和Mablab。Shogun 旨在面向广泛的特定类型和学习配置环境进行统一的大规模学习,如分类,回归或探索性数据分析。
12. TensorFlow
TensorFlow是一个使用数据流图进行数值运算的开源软件库,它实现了数据流图,其中,张量(“tensors”)可由一系列图形描述的算法来处理,数据在该系统中的变化被称为“流”,由此而得名。数据流可用C++或Python编码后在CPU或GPU的设备上运行。
13. Theano
Theano是一个基于BSD协议发布的可定义、可优化和可数值计算的Phython库。使用Theano也可以达到与用C实现大数据处理的速度相媲美,是支持高效机器学习的算法。
14.Torch
Torch是一种广泛支持把GPU放在首位的机器学习算法的科学计算框架。由于使用了简单快速的脚本语言LuaJIT和底层的C/CUDA来实现,使得该框架易于使用且高效。Torch目标是让您通过极其简单的过程、最大的灵活性和速度建立自己的科学算法。Torch是基于Lua开发的,拥有一个庞大的生态社区驱动库包设计机器学习、计算机视觉、信号处理,并行处理,图像,视频,音频和网络等。
15. Veles
Veles是一套用C++开发的面向深层学习应用程序的分布式平台,不过它利用Python在节点间自动操作与协作任务。在相关数据集中到该集群之前,可对数据进行分析与自动标准化调整,且REST API允许将各已训练模型立即添加至生产环境当中,它侧重于性能和灵活性。Veles几乎没有硬编码,可对所有广泛认可的网络拓扑结构进行训练,如全卷积神经网络,卷积神经网络,循环神经网络等。
作者:Devendra Desale
来源:云栖社区
点击下方“阅读原文”了解【人工智能服务器】↓↓↓
目前最流行的15个机器学习框架,你知道几个?相关推荐
- 流行的14个机器学习编程语言框架和工具
https://www.toutiao.com/a6662518600965816844/ O Reilly的一项新调查发现,主要从事技术.金融和医疗保健行业的1300多人透露了他们在公司使用的机器学 ...
- 2017 年最流行的 15 个数据科学 Python 库
转自http://www.codeceo.com/article/15-data-science-python-libraries.html 2017 年最流行的 15 个数据科学 Python 库 ...
- Web开发的机器学习框架
目前,机器学习是软件开发中最热门的趋势之一.许多分析师甚至认为机器学习将彻底改变某些程序的开发过程,包括Web和移动应用程序. 以下几点清楚地表明了机器学习对Web开发的强大影响: 传统数据挖掘的良好 ...
- “黑”掉神经网络:腾讯披露新型AI攻击手法,主流机器学习框架受影响
来源:AI前线 本文约3000字,建议阅读6分钟. 本文为你介绍一种新兴的针对机器学习模型的攻击方式"后门攻击". "后门攻击"是一种新兴的针对机器学习模型的攻 ...
- 思考:开发者如何挑选最合适的机器学习框架?
http://blog.itpub.net/31077337/viewspace-2158437/ 如今,各种各样的机器学习工具活跃在开源社区,这些工具有助于减轻配置和测试AI相关工作的负载.但是,如 ...
- 一文盘点10大移动端机器学习框架
本文介绍了适用于移动端的 10 个机器学习框架,包括针对计算机的机器学习框架和针对手机端的优化性能的框架. 本文介绍了适用于移动端的 10 个机器学习框架,包括针对计算机的机器学习框架和针对手机端的优 ...
- 最牛逼的开源机器学习框架,你知道几个
最牛逼的开源机器学习框架,你知道几个 作者 大白鲸团队 关注 2015.12.29 20:16 字数 1829 阅读 3689评论 0喜欢 7 机器学习毫无疑问是当今最热的话题,它已经渗透到生活的方方 ...
- 开源的,跨平台的.NET机器学习框架ML.NET
微软在Build 2018大会上推出的一款面向.NET开发人员的开源,跨平台机器学习框架ML.NET. ML.NET将允许.NET开发人员开发他们自己的模型,并将自定义ML集成到他们的应用程序中,而无 ...
- ML.NET 1.3.1 发布,.NET 跨平台机器学习框架
ML.NET 1.3.1 已发布.ML.NET 是一个跨平台的机器学习框架,旨在让 .NET 开发者更快上手机器学习,它允许 .NET 开发者开发他们自己的模型,并将自定义 ML 注入到应用程序中. ...
最新文章
- 图论-最短路Dijkstra算法详解超详 有图解
- 极客新闻——02、最高效的人都是最会休息的人
- 解决虚拟机提示VMware Workstation cannot connect to the virtual machine的问题
- 网站单页面排名提升的技巧有哪些?
- oracle导入导出命令
- C++ NULL指针学习 - Win32版本
- java jaspersoft,Jaspersoft Studio
- chrome android 远程调试,chrome 远程调试
- 清华教会我的4点方法论
- SQL语句操作优先级顺序
- 2013年思科万物互联IoE十大见解
- 为什么我不使用 Web 组件?
- 麦马计算机专业对化学的要求,2018麦克马斯特大学最新入学要求+热门专业全解析...
- 多个python则可以通过指定python的位置来升级或安装对应的库
- 陶华碧: 就懂辣椒酱,作为吃的东西,即使过了几代,也依然能够传的下去。
- 武汉大学研究生慕课《学术道德与学术规范》
- 成为成功的软件开发顾问的5个关键
- 为树莓派3B+编译 64位UEFI 固件
- 亲身体验:八款知名虚拟主机对比测评
- 【VMware Fusion】如何配置VMware Fusion中的Vmnet网卡