【收藏】機器學習開源框架大彙總，總有一款適合你

首先需要說明，這是一篇面向初學者的文章。

在眾多的開源機器學習框架裡，總有一款適合你。

隨著人工智慧的興起，對機器學習能力的需求可謂是急劇增加：從金融到醫療，各行各業都在採用基於機器學習的技術。

然而，對於大多數企業和組織來說，定義機器學習模型仍然是一項複雜且資源密集型的工作。

 若是藉助良好的機器學習框架，便可以減少上述的挑戰。

下面便是一些最好的開源框架和庫，企業和個人都可以使用它們來構建機器學習模型。

Amazon Machine Learning

連結地址：

https://aws.amazon.com/machine-learning/

Amazon Machine Learning(AML)為開發機器學習模型提供了工具和嚮導。

AML通過提供易用的分析和視覺化輔助工具，使開發人員更容易訪問機器學習。它還可以連線到Redshift或Amazon S3上儲存的任何資料。

AML提供的互動式圖表有助於視覺化輸入資料集，以便更好地理解資料。 AML還管理執行和擴充套件模型建立所需的基礎架構和工作流程。

Caffe

連結地址：http://caffe.berkeleyvision.org/

Caffe以構建、開發深度學習應用程式而聞名。

這些應用程式允許使用者在不需要編寫任何程式碼或具備編碼知識的情況下使用神經網路。

Caffe支援Windows和Mac OS x等作業系統，還部分支援多GPU訓練。

Caffe2

連結地址：http://caffe2.ai/

Caffe2 是 Caffe 實驗性的再造，可以提供更靈活的方法組織計算。

Caffe2強調易用性， 旨在為開發人員提供一種簡單直觀的方式，親身體驗深度學習。

在某些情況下，你可能希望使用現有的模型，跳過整個“學習”的步驟，在嘗試訓練你自己的模型之前，就熟悉深度學習是如何的實用和有效。

Caffe2 的原理與 Caffe 相同，開發原則可以概括為以下5點：

表達（Expression）：模型和優化被定義為純文字模式（plaintext schema）而不是程式碼。

速度：對學界和產業界都一樣，速度對於最先進的模型和大資料至關重要。

模組化：新任務和設定需要靈活性和擴充套件性。

開放性：科學和應用進步需要通用程式碼（common code），參考模型和重現性（reproducibility）。

社群：學術研究、startup prototypes 和工業應用通過在 BSD-2 專案中聯合討論和開發，共享實力。

Theano

連結地址：

http://www.deeplearning.net/software/theano/

Theano是一個專門為深度學習設計的Python庫。它幫助使用者定義和計算數學表示式，包括多維陣列。

Theano的特性包括與NumPy的整合、符號微分(symbolic differentiation)和動態C程式碼生成。它還可以與其他庫(如Keras和Blocks)一起使用，並支援Mac OS X和Linux等平臺。

雖然已經停止更新，但Theano的很多特性都在現有的其他框架裡被繼承了下來，瞭解一下不會吃虧。

TensorFlow

連結地址：https://www.tensorflow.org/

TensorFlow是由Google開發的開源庫，它是目前為止最受歡迎且維護良好的深度學習庫之一。

使用者可以通過使用流程圖和名為TensorBoard的服務在TensorFlow上建立神經網路和計算模型，該服務提供簡單的視覺化。 

TensorFlow有Python和C ++兩種版本。它可以輕鬆部署在不同型別的裝置上。 

Torch

連結地址：http://torch.ch/

Torch是另一款非常容易使用的開源框架。

Torch提供了N維陣列、線性代數程式(routine)、高效的GPU支援以及用於切片和傳輸的程式。Torch還提供了多個模型模板。

它基於Lua指令碼，支援Android、Windows、iOS和Mac OS X等平臺。

不過，現在有了一個比Torch更好的選擇，那就是接下來介紹的PyTorch。

PyTorch

連結地址：http://pytorch.org/

AI的開發從研究到生產的過程，涉及多個步驟和工具，這使得測試新方法、部署它們，以及迭代以提高準確性和效能都非常耗時而且複雜。為了幫助加速和優化這個過程，Facebook推出了PyTorch 1.0。

現在，PyTorch受歡迎的趨勢，尤其是在研究人員之間，大有趕超TensorFlow之趨。

PyTorch 1.0採用了Caffe2和ONNX的模組化、面向生產的功能，並將它們與PyTorch現有的靈活的、側重於研究的設計結合起來，為各種AI專案提供從研究原型到生產部署的快速、無縫的路徑。

使用PyTorch 1.0，AI開發人員可以通過在命令式執行模式和宣告式執行模式之間無縫切換的混合前端進行快速實驗和效能優化。PyTorch 1.0中的技術已經為Facebook的許多產品和服務提供支援，包括每天執行60億次的文字翻譯。

PyTorch 1.0包含一系列工具、庫、預訓練的模型和各個開發階段的資料集，使社群能夠大規模地快速建立和部署新的AI創新。

總結

機器學習框架最好的一點是，它們帶有預構建的元件，可以幫助使用者輕鬆地理解和編寫模型。

機器學習框架越好，定義機器學習模型的任務就越簡單。上面提到的開源機器學習框架可以幫助大家高效、輕鬆地構建機器學習模型。

......................................我是分割線.....................................................................

【VIP年會員】

七月線上【VIP年會員】重磅上線，VIP年會員可享特權：1、七月線上全平臺付費直播/錄播課程免費看；2、GPU和CPU雙雲平臺免費用；3、多達100人的頂級AI師資團隊，全天提供就業諮詢、答疑服務。現在報名享新春特惠價，詳情連結：http://www.julyedu.com/vip/newvip