從機(jī)器人到谷歌Siri，再到現(xiàn)在新推出的谷歌雙工系統(tǒng)，人工智能似乎已經(jīng)取得了相當(dāng)大的進(jìn)步，變得越來越人性化。
對(duì)機(jī)器學(xué)習(xí)和人工智能的需求呈指數(shù)級(jí)增長，相關(guān)社區(qū)也因此增加，促進(jìn)了一些AI框架的發(fā)展，這些框架使得學(xué)習(xí)AI變得更加容易。
在本文中，您將了解一些最佳框架，以幫助您開始AI開發(fā)。
https://www.tensorflow.org
Tensor Flow來自谷歌家族，是一個(gè)強(qiáng)大的開源框架，支持深度學(xué)習(xí)，甚至可以通過移動(dòng)設(shè)備訪問。
Tensor Flow是一個(gè)適用于統(tǒng)計(jì)程序開發(fā)的工具。由于它提供分布式培訓(xùn)，所以可以在用戶喜歡的任何抽象級(jí)別上更有效地培訓(xùn)機(jī)器模型。
特性
可擴(kuò)展的多編程接口，便于編程。
強(qiáng)勁的增長動(dòng)力，擁有強(qiáng)大的開源社區(qū)。
為人們提供廣泛且有詳細(xì)記錄的手冊(cè)。
優(yōu)點(diǎn)
Tensor Flow使用的語言是Python，現(xiàn)在非常流行。
該框架具有較高的計(jì)算能力。因此，它可以在任何CPU或GPU上使用。
使用計(jì)算圖形抽象創(chuàng)建機(jī)器模型。
缺點(diǎn)
為了做出決策或預(yù)測，框架將輸入數(shù)據(jù)通過多個(gè)節(jié)點(diǎn)傳遞，這可能非常耗時(shí)。
缺乏許多預(yù)先訓(xùn)練好的AI模型。
The Microsoft Cognitive Toolkit - Cognitive Toolkit - CNTK | Microsoft Docs
Microsoft CNTK是一個(gè)更快、更通用的開源框架，它基于支持文本、消息和語音重構(gòu)的神經(jīng)網(wǎng)絡(luò)。
它提供了一個(gè)高效的擴(kuò)展環(huán)境，在保證精度的同時(shí)，可以更快地全面評(píng)估機(jī)器模型。
Microsoft CNTK與主要的海量數(shù)據(jù)集集成，使其成為Skype、Cortana等大公司的首選，同時(shí)具有非常易于表達(dá)和使用的架構(gòu)。
特性
高度優(yōu)化以提供速率、可擴(kuò)展性、速度和高級(jí)集成。
內(nèi)置超參數(shù)調(diào)整、監(jiān)督學(xué)習(xí)模型、增強(qiáng)、CNN、RNN等組件。
資源用來提供最佳效率。
擁有可以高效表達(dá)的自有網(wǎng)絡(luò)，如完整的API，包括高級(jí)和低級(jí)。
優(yōu)點(diǎn)
由于它支持Python和C++，所以這個(gè)框架可以同時(shí)使用多個(gè)服務(wù)器，從而使學(xué)習(xí)過程更快。
它的開發(fā)考慮到了人工智能世界的最新發(fā)展。Microsft CNTK的架構(gòu)支持GAN、RNN和CNN。
它允許分布式培訓(xùn)有效地培訓(xùn)機(jī)器模型。
缺點(diǎn)
它缺乏可視化板和ARM支持。
Caffe是一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)，附帶預(yù)先加載的訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)。如果你的截止日期很近，這應(yīng)該是你的第一選擇。
該框架以其圖像處理能力而聞名，還有對(duì)MATLAB的擴(kuò)展支持。
特性
它的所有模型都是用純文本模式編寫的。
因?yàn)樗呀?jīng)預(yù)先加載，所以可提供巨大的速度和高效率的工作。
一個(gè)活躍的開源社區(qū)，用于討論和協(xié)作代碼。
優(yōu)點(diǎn)
C、C++和Python相互連接，它還支持CNN(卷積神經(jīng)網(wǎng)絡(luò))的建模。
由于速度快，計(jì)算數(shù)字任務(wù)時(shí)效率很高。
缺點(diǎn)
Caffe不能處理復(fù)雜的數(shù)據(jù)，但在處理圖像的視覺處理時(shí)速度較快。
Welcome — Theano 1.0.0 documentation
使用GPU代替CPU，該框架支持深度學(xué)習(xí)研究，并能夠?yàn)樾枰哂?jì)算能力的網(wǎng)絡(luò)提供準(zhǔn)確性。例如，多維數(shù)組的計(jì)算需要高功率，而Theano能做到這一點(diǎn)。
Theano基于Python，Python是一種經(jīng)過驗(yàn)證的編程語言，可以提高處理和響應(yīng)速度。
特性
由于動(dòng)態(tài)代碼生成，表達(dá)式的計(jì)算速度更快。
即使值很小，也能提供出色的精確度。
單元測試是Theano的一個(gè)重要特性，因?yàn)樗试S用戶自我驗(yàn)證代碼，以及輕松地檢測和診斷錯(cuò)誤。
優(yōu)點(diǎn)
針對(duì)CPU和GPU進(jìn)行了優(yōu)化。
缺點(diǎn)
當(dāng)前版本的Theano將不再更新或添加任何功能。
Amazon Machine Learning 機(jī)器學(xué)習(xí)_機(jī)器學(xué)習(xí)服務(wù)-AWS云服務(wù)
作為AI社區(qū)的趨勢(shì)參與者，Amazon machine learning在開發(fā)自學(xué)工具方面提供了高端支持。
該框架已在其多個(gè)服務(wù)（如AWS，S3和Amazon Redshift等）中擁有現(xiàn)有的用戶基礎(chǔ)。這是亞馬遜的托管服務(wù)，對(duì)模型進(jìn)行數(shù)據(jù)分析、模型培訓(xùn)和評(píng)估三個(gè)操作。
特性
即使您是一個(gè)初學(xué)者、數(shù)據(jù)科學(xué)家或開發(fā)人員，AWS中都有針對(duì)每個(gè)級(jí)別的經(jīng)驗(yàn)定制的工具。
安全性至關(guān)重要，因此所有數(shù)據(jù)都是加密的。
為數(shù)據(jù)分析和理解提供廣泛的工具。
與所有主要數(shù)據(jù)集的集成。
優(yōu)點(diǎn)
您不需要使用這個(gè)框架編寫大量代碼。相反，它允許您通過API與AI支持的框架進(jìn)行交互。
數(shù)據(jù)科學(xué)家、開發(fā)人員和ML研究人員常用。
缺點(diǎn)
它缺乏靈活性，因?yàn)檎麄€(gè)框架都是抽象的，所以如果您想選擇一個(gè)特定的標(biāo)準(zhǔn)化或機(jī)器學(xué)習(xí)算法，就不合適。
缺乏數(shù)據(jù)可視化。
Torch | Scientific computing for LuaJIT.
Torch是一個(gè)開源框架，可以支持?jǐn)?shù)值運(yùn)算。它為快速開發(fā)深度學(xué)習(xí)網(wǎng)絡(luò)提供了多種算法。
它廣泛用于Facebook和Twitter的AI實(shí)驗(yàn)室。有一個(gè)基于Python的框架，稱為PyTorch，已經(jīng)被證明是更簡單和更可靠的。
特性
具有許多例程，可以使用N維數(shù)組模型進(jìn)行索引，切片，轉(zhuǎn)置。
存在優(yōu)化例程，主要是基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字。
GPU支持非常高效。
與iOS和Andriod輕松集成。
優(yōu)點(diǎn)
語言和集成的靈活性非常高。
高水平的速度和GPU利用率。
預(yù)先存在的模型可用于訓(xùn)練數(shù)據(jù)。
缺點(diǎn)
文檔對(duì)用戶來說不是很清楚，用戶學(xué)習(xí)困難。
缺乏立即使用的代碼，因此需要時(shí)間。
它最初基于一種名為Lua的編程語言，并沒有多少人知道它。
http://accord-framework.net
Accord.net是一個(gè)基于C#的框架，它幫助開發(fā)用于音頻和圖像處理的神經(jīng)網(wǎng)絡(luò)。
可以在商業(yè)上使用它來生成計(jì)算機(jī)視覺應(yīng)用程序，信號(hào)處理以及統(tǒng)計(jì)應(yīng)用程序。
特性
成熟，經(jīng)過良好測試的代碼庫，因?yàn)樗加?012年。
提供一組全面的示例模型和數(shù)據(jù)集，以快速啟動(dòng)應(yīng)用程序。
優(yōu)點(diǎn)
它由一個(gè)活躍的開發(fā)團(tuán)隊(duì)持續(xù)支持。
這個(gè)文檔齊全的框架可以有效地處理數(shù)字密集型計(jì)算和可視化。
使用該框架可以方便地執(zhí)行算法和信號(hào)處理。
它可以輕松處理數(shù)值優(yōu)化和人工神經(jīng)網(wǎng)絡(luò)。
缺點(diǎn)
與其他框架相比，它并不為人所知。
與其他框架相比，它的性能較慢。
Apache Mahout是一個(gè)開源框架，旨在開發(fā)可擴(kuò)展的機(jī)器學(xué)習(xí)框架。它不涉及API本身，而是助于數(shù)據(jù)科學(xué)家和工程師實(shí)現(xiàn)新的機(jī)器學(xué)習(xí)算法。
特性
以Scala DSL而聞名，它在數(shù)學(xué)上很有表現(xiàn)力
支持多個(gè)分布式后端擴(kuò)展
優(yōu)點(diǎn)
它有助于集群、協(xié)同過濾和分類。
它的計(jì)算操作使用Java庫，速度更快。
缺點(diǎn)
Python庫與此框架的Java庫不兼容。
它的計(jì)算操作比Spark MLib慢。
Apache支持的Spark MLib框架由R、Scala、Java和Python支持。它可以加載Hadoop工作流來提供機(jī)器學(xué)習(xí)算法，如分類、回歸和集群。
除了Hadoop，它還可以與cloud、Apache甚至獨(dú)立系統(tǒng)集成。
特性
高性能是關(guān)鍵因素之一，據(jù)說比MapReduce快100倍
Spark非常通用，可在多種計(jì)算環(huán)境中運(yùn)行
優(yōu)點(diǎn)
它可以快速處理大量的數(shù)據(jù)，因?yàn)樗墓ぷ魇堑?jì)算。
它有多種語言版本，易于插拔。
它可以輕松地循環(huán)大規(guī)模的數(shù)據(jù)處理。
缺點(diǎn)
它只能用Hadoop插件。
如果沒有對(duì)這個(gè)框架進(jìn)行大量的工作，就很難理解這個(gè)框架的機(jī)制
聯(lián)系客服
