在责任编辑中，他们将探讨很多用作Web合作开发的主要就机器自学架构，比如TensorFlow和Caffe。

现阶段，机器自学是软件合作开发中最炙手可热的态势众所周知。很多策略师即使指出，机器自学将抹杀两个流程的Web合作开发操作过程，主要包括Web和终端插件。

几点确切地说明了机器自学对Web合作开发的强悍负面影响：

现代数据挖掘的较好代替品消解安全可靠严重威胁机器自学API的库存量快速商品辨认出制做订制的文本和关键信息介绍顾客犯罪行为

机器自学采用很多演算法使计算机系统无须明晰程式设计方可自学。它是最合适的数据挖掘方式，可手动建立Kaysersberg。这是机器自学架构在Web合作开发中充分发挥关键促进作用的其原因。

在责任编辑中，他们将探讨很多用作Web开发的主要就机器自学架构。目录如下表所示：

四大机器自学架构

1）Microsoft Cognitive Toolkit

用：Python和C ++撰写

这是Microsoft开源的深度自学工具包，用作训练演算法以像人脑一样自学。通过采用此工具，您可以采用各种机器自学模型，如卷积神经网络、前馈DNN和循环神经网络。

毫无疑问，该工具旨在采用神经网络来浏览大型非结构化数据集。通过更快的训练时间和易于采用的架构，它可高度自定义，允许您选择自己的参数、网络和演算法。特别感谢它对多机多GPU后端的支持，它可以轻松超越很多竞争对手。

点击试：

https://docs.microsoft.com/en-us/cognitive-toolkit/Setup-CNTK-on-your-machine

2）TensorFlow

用：Python、Java和Go撰写

它是Java合作开发中最流行的机器自学架构众所周知。它是一个开源库，采用数据流图进行数值计算。毫无疑问，TensorFlow是GitHub上分岔最多的机器自学项目，也是纳税人参与人数最多的项目。

TensorFlow的灵活架构采用户可以轻松地采用单个API在一个或多个GPU或CPU上实现计算，无论是台式计算机系统、服务器还是终端电话。

图中的节点表示数学运算，而图的边表示在它们之间传递的多维数据集（张量）。

在这里试试：

https://www.tensorflow.org

3）Apache Mahout

用：Java和Scala撰写

它是Apache提供的另一个最受欢迎的开源商品，主要就面向统计学家、数据科学家和数学家，因此他们可以快速执行自己的演算法。此外，它是一个分布式线性代数架构，用作创

此外，它使您能够在实际在大数据平台上运行的交互式环境中合作开发自己的数学计算，然后将完全相同的代码终端到您的插件中并实现。

Mahout Samsara还提供分布式线性代数和统计引擎，它们正在运行，并与交互式shell和库一起分发，以链接到生产中的插件。它通常采用map / reduce范例爬上Apache Hadoop平台，但这并不限制对基于Hadoop的其他实现的贡献。

在这里试试：

https://github.com/apache/mahout

4）Caffe

用：C ++和Python撰写

它是Java合作开发的深度自学架构，尤其适用作速度、表达式和模块化。它由Berkley AI研究团队合作开发。富有表现力的架构鼓励个性化应用和创新。

此外，配置选项允许用户通过配置单个指示器在GPU和CPU之间切换。Caffe的可扩展代码帮助推动了它的早期发展，使其成为另一个非常成功的GitHub机器自学项目。

Caffe的速度使其对研究机构和工业实施具有价值。它是利用卷积神经网络为图像分类/计算机系统视觉合作开发的。它还提供了Model Zoo，它是一组预先训练的模型，不需要任何编码方可实现。

无论如何，应该指出的是，Caffe最适合用作插件的构建，而不是专门用作除人工视觉之外的任何其他应用。

试试吧：

http://caffe.berkeleyvision.org

5）Apache Singa

用：C ++，Python和Java撰写

Apache Singa是一个可扩展且灵活的深度自学平台，用作大数据挖掘。它由新加坡国立大学的团队开发。该机器自学架构为大量数据中的可扩展分布式训练提供了灵活的架构。

可扩展以在各种硬件上运行。主要就应用是自然语言处理（NLP）和图像识别。

现阶段，Apache孵化器项目提供了一种可以在一组节点中工作的简单程式设计模型。深度分布式自学在训练操作过程中采用模型共享和并行化。

但是，Singa支持现代的机器自学模型，如逻辑回归。

在这里试试：Docker（

https://hub.docker.com/r/nusdbsystem/singa/）或AWS（

https://aws.amazon.com/marketplace/pp/B01NAUAWZW）

结论

所以他们已经看到了很多用作Java合作开发的顶级机器自学架构。实际上，采用机器自学进行Web合作开发将使IT世界发生革命性变化。但是，各种流行的机器自学架构和库都是由Python撰写或主要就支持的，主要包括Keras、Theano、TensorFlow和较小的项目，如Microsoft Azure Studio、sci-kit learn、Veles、Chainer和Neon。

如果您想要采用其中一个机器自学架构合作开发下一个项目，那么现在是时候开始了。您还可以从可靠的Web合作开发公司雇用熟练的ML Web合作开发人员。