11 个 AI 和机器学习模型的开源框架
译文链接:http://www.codeceo.com/article/11-frameworks-for-ai-and-ml.html
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Theano,Torch,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。
11 个 AI 和机器学习模型的开源框架相关推荐
- 人工智能AI、机器学习模型理解
人工智能就是机器学习和大数据: 机器学习是什么:就是算法模型: 算法模型是什么: 俗地说,模型就是机器学习采用的算法."模型文件"一般说的是这个算法用到的各种输入.输出数据的值. ...
- 你知道这11个重要的机器学习模型评估指标吗?
介绍 建立机器学习模型的想法是基于一个建设性的反馈原则.你构建一个模型,从指标中获得反馈,进行改进,直到达到理想的精度为止.评估指标解释了模型的性能.评估指标的一个重要方面是它们区分模型结果的能力. ...
- 将公平注入AI:机器学习模型即使在不公平数据上训练也能产生公平输出
来源:ScienceAI 本文约1800字,建议阅读9分钟 如何迫使深度度量学习模型首先学习好的特征? 如果使用不平衡的数据集训练机器学习模型,比如一个包含远多于肤色较浅的人的图像的数据集,则当模型部 ...
- 机器学习中的开源框架
在深度学习领域的五大巨头里,它们都各自力挺一种深度学习框架: 谷歌有自家的TensorFlow. Facebook有Pytorch. 百度有PaddlePaddle. 微软有CNTK. 亚马逊的AWS ...
- 深度学习(机器学习)模型压缩开源库整理
最近由于项目要求,需要对模型进行压缩,查了一下都有 哪些开源出来的模型压缩开源库,然后看到原作者已经总结得挺好的, 值得学习!!! Tensorflow Lite:https://tensorflow ...
- 【机器学习】机器学习模型验证,这3个 Python 包可轻松解决95%的需求!
作为数据建模开发者,我们期望利用机器学习模型来分析数据和解决商业问题.无论我们是开发一个简单的模型还是一个复杂的模型,模型验证对于衡量我们工作都是至关重要. 在本文中,我将分享三个非常棒的 Pytho ...
- Github标星10.4k:用 NumPy 实现所有主流机器学习模型
用 NumPy 手写所有主流 ML 模型,普林斯顿博士后 David Bourgin 最近开源了一个非常剽悍的项目.超过 3 万行代码.30 多个模型,这也许能打造「最强」的机器学习基石?(编辑:机器 ...
- 机器学习结构化学习模型_生产化机器学习模型
机器学习结构化学习模型 The biggest issue in the life-cycle of ML project isn't to create a good algorithm or to ...
- Python AI和机器学习库
目录 介绍 NLTK OpenCV Keras TensorFlow PyTorch scikit-learn NumPy和SciPy Matplotlib Pandas 选择什么? 下一步 介绍 这 ...
最新文章
- Jpcap过滤GTunnel程序数据包
- 【高并发】高并发环境下构建缓存服务需要注意哪些问题?我和阿里P9聊了很久!...
- java web 购物车_java web开发之实现购物车功能
- jquery.easing.js(转)
- jquery ajax跨域访问webservice配置
- 联手微软,Docker公司将推出Docker Desktop for WSL 2
- LinkedHashMap 根据PUT顺序排序Map
- Java微信开发_00_资源汇总贴
- ACwing 5. 多重背包问题 II(二进制拆分+DP)
- Qt:Qt实现Winsock网络编程—非阻塞模式下的简单远程控制的开发(WSAAsyncSelect)
- 独木舟上的旅行(贪心)
- 解决mysql“Access denied for user 'root'@'localhost'”
- fonts.conf
- HashSet和HashMap的区别 1
- java 设置启动参数设置_1.java程序启动参数配置
- 前端CSS基础——表单元素单选框的美化
- 不同上市证券资产统计(2012-2020年)
- html——陆海网站练习
- 体系结构—C/S体系结构风格
- 论文写作——课程总结
热门文章
- 直播活动丨BMMeetup第1期:大模型Prompt Tuning技术,8场学术报告和Poster提前下载...
- 陈希孺院士带来开年第一本数学书,让人看完大呼过瘾的统计学科普读本
- 用DCGAN训练并生成自己的图像集(含tensorflow代码)
- tensorflow的tf.reduce_mean函数
- 投票 | RONG奖学金最佳人气奖评选活动开始啦!
- TC260-001《汽车采集数据处理安全指南》
- 9个value_counts()的小技巧,提高Pandas 数据分析效率
- 从自监督学习主流方法、最新工作进展,看未来前景研究方向
- 独家 | 规范性分析的实用介绍(附R语言案例研究演示代码)
- 如何用赌场风云解释隐马尔可夫模型(HMM)?