過去十年中人工智能的迅速崛起刺激了當今就業市場對AI和ML技能的巨大需求。基於ML的技術現在幾乎用於所有垂直行業，從金融到醫療保健。在本文中，我編譯了一個可用於構建機器學習模型的最佳框架和庫的列表。
1. TensorFlow
TensorFlow由Google開發，是一個為深度學習或人工神經網絡而構建的開源軟件庫。使用TensorFlow，您可以使用流程圖創建神經網絡和計算模型。它是深度學習中維護最好，最受歡迎的開源庫之一。 TensorFlow框架以C ++和Python提供。其他類似的基於Python的深度學習框架包括Theano，Torch，Lasagne，Blocks，MXNet，PyTorch和Caffe。您可以使用TensorBoard輕鬆實現可視化並查看計算管道。其靈活的架構允許您輕鬆部署在不同類型的設備上。從消極方面來說，TensorFlow沒有符號循環，也不支持分佈式學習。此外，它不支持Windows。
2. Theano
Theano是一個專為深度學習而設計的Python庫。使用該工具，您可以定義和評估數學表達式，包括多維數組。該工具針對GPU進行了優化，具有與NumPy集成，動態C代碼生成和符號區分等功能。但是，要獲得高級抽象，該工具必須與其他庫一起使用，例如Keras，Lasagne和Blocks。該工具支持Linux，Mac OS X和Windows等平臺。
3. Torch
Torch是一種易於使用的ML算法開源計算框架。該工具提供了高效的GPU支持，N維數組，數值優化例程，線性代數例程以及用於索引，切片和轉置的例程。該工具基於一種名為Lua的腳本語言，具有大量預訓練模型。這種靈活高效的ML研究工具支持Linux，Android，Mac OS X，iOS和Windows等主要平臺。
4. Caffe
Caffe是一款流行的深度學習工具，專為構建應用而設計。由楊慶佳在博士期間創建的項目。在加州大學伯克利分校，該工具具有良好的Matlab / C ++ / Python界面。該工具允許您使用文本快速將神經網絡應用於問題，而無需編寫代碼。 Caffe部分支持多GPU培訓。該工具支持Ubuntu，Mac OS X和Windows等操作系統。
5.微軟CNTK
Microsoft Cognitive Toolkit是最快的深度學習框架之一，支持C＃/ C ++ / Python接口。開源框架帶有強大的C ++ API，比TensorFlow更快，更準確。該工具還支持內置數據讀取器的分佈式學習。它支持諸如前饋，CNN，RNN，LSTM和序列到序列的算法。該工具支持Windows和Linux。
6.Keras
Keras是用Python編寫的，它是一個開源庫，旨在簡化新DL模型的創建。這種高級神經網絡API可以在TensorFlow，Microsoft CNTK等深度學習框架之上運行。該工具以其用戶友好性和模塊性而聞名，是快速原型設計的理想選擇。該工具針對CPU和GPU進行了優化。
7. scikit-learn
scikit-learn是一個專為機器學習而設計的開源Python庫。基於NumPy，SciPy和matplotlib等庫的工具可用於數據挖掘和數據分析。 scikit-learn配備了各種ML模型，包括線性和邏輯迴歸量，SVM分類器和隨機森林。該工具可用於多個ML任務，例如分類，迴歸和聚類。該工具支持Windows和Linux等操作系統。在缺點方面，GPU的效率不高。
8. Accord.NET
Accord.NET是用C＃編寫的，是一個ML框架，用於構建生產級計算機視覺，計算機試聽，信號處理和統計應用程序。它是一個記錄完備的ML框架，可以輕鬆實現音頻和圖像處理。該工具可用於數值優化，人工神經網絡和可視化。它支持Windows。
9. Spark MLlib
Apache Spark的MLIib是一個可以在Java，Scala，Python和R中使用的ML庫。這個功能強大的庫設計用於處理大規模數據，它帶有許多算法和實用程序，如分類，迴歸和聚類。該工具可與Python和R庫中的NumPy進行互操作。它可以輕鬆插入Hadoop工作流程。
10. Azure ML Studio
Azure ML Studio是面向數據科學家的現代雲平臺。它可用於在雲中開發ML模型。 Azure具有廣泛的建模選項和算法，是構建更大ML模型的理想選擇。該服務為每個帳戶提供10GB的存儲空間。它可以與R和Python程序一起使用。
11.亞馬遜機器學習（Amazon Machine Learning）
亞馬遜機器學習（AML）是一項ML服務，提供用於創建ML模型的工具和嚮導。藉助可視化輔助工具和易於使用的分析，AML旨在使開發人員更容易使用ML。 AML可以連接到存儲在Amazon S3，Redshift或RDS中的數據。
機器學習框架帶有易於理解和編碼的預構建組件。因此，良好的ML框架降低了定義ML模型的複雜性。使用這些開源ML框架，您可以輕鬆快速地構建ML模型。
拓展閱讀：谷歌要發佈TPU機器學習加速器了！
谷歌仍然是技術發展的前沿。 谷歌提供Edge Tensor處理單元（TPU）板和Edge TPU加速器。 它的Edge TPU Accelerator是一款USB設備，可與Raspberry Pi等主板配合使用。 使用谷歌的Edge TPU加速器，開發人員可以利用Pi和Odroid XU4等低功耗單板計算機（SBC）進行各種自助（DIY）人工智能（AI）項目。 這些芯片針對Google的TensorFlow機器學習框架進行了優化，並與邊緣設備連接。
最終，Google尋求提供一系列自定義硬件，以允許開發人員創建機器學習項目，如語音和圖像識別。 通過為邊緣設備推出TPU芯片，Google提供硬件，軟件和服務器級別的機器學習產品。 Google的TPU設備包括Edge TPU Dev Board和Edge TPU Accelerator。
閱讀更多 引力空間站 的文章
