新闻做的差的网站,wordpress主题模板视频网站,学全屋定制设计怎么入手,网站建设 技术方案模板作者 | Devendra Desale译者 | Mags来源 | 云栖社区不管你是一个研究人员#xff0c;还是开发者#xff0c;亦或是管理者#xff0c;想要使用机器学习#xff0c;需要使用正确的工具来实现。本文介绍了当前最流行15个机器学习框架。机器学习工程师是开发产品和构建算法团队… 作者 | Devendra Desale译者 | Mags来源 | 云栖社区不管你是一个研究人员还是开发者亦或是管理者想要使用机器学习需要使用正确的工具来实现。本文介绍了当前最流行15个机器学习框架。机器学习工程师是开发产品和构建算法团队中的一部分并确保其可靠、快速和成规模地工作。他们和数据科学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。下面是学习框架的介绍1. 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 LearningAML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 Studiohttps://studio.azureml.net/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。甚至你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. Caffehttp://caffe.berkeleyvision.org/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. H2Ohttp://www.h2o.ai/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你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 MOAhttps://moa.cms.waikato.ac.nz/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 Sparkhttp://spark.apache.org/mllib/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. Mlpackhttp://mlpack.org/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. Patternhttp://www.clips.ua.ac.be/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canvas可视化。10. Scikit-Learnhttp://scikit-learn.org/stable/为了数学和科学工作基于现有的几个Python包NumpySciPy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. Shoguhttp://www.shogun-toolbox.org/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JavaPythonc#RubyRLuaOctave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. TensorFlowhttps://www.tensorflow.org/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. Theanohttp://deeplearning.net/software/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. Torchhttp://torch.ch/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目标是让你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. Veleshttps://velesnet.ml/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。未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。由互联网进化论作者计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
