From:兰博基尼 & 51CTO
介绍的许多杰出机器自学架构:
1. Keras
为了精简广度自学数学模型的建立,开放源码应用软件库Keras于2015年合作开发而成。开发工具架构用Python撰写,十分适宜布署在其它AI技术上,比如说TensorFlow、Theano和Google知觉应用软件包。
Keras凭借着模组化Seiches可扩展性招揽使用者,以提供更多更快的终端开发工具合作开发应用软件系统。该架构很适宜机器自学库作为人工智慧IO的市场需求,能加速构建蓝本,并全力支持循环式互联网和传递函数互联网。
Keras还适宜在绘图微控制器和华北局微控制器上运转起来杰出的机器自学库。Keras全力支持多次重复层、全力支持传递函数以及二者的混合体。
2. TensorFlow
TensorFlow于2015年正式发布,是一类开放源码机器自学架构。TensorFlow与多种不同网络平台相容,能随心所欲地采用和布署。该架构是AI合作开发者用作处置机器自学各项任务的最广为采用的架构。
它由Google合作开发,用作进一步增强研究工作和生产各项任务。Tensorflow已被Dropbox、AMD、Twitter和Uber等著名公司广为采用。该架构全力支持世界语,比如说C++、Haskell、Go、Rust、Python和JavaScript。
它还全力支持其他广为采用的C语言的服务器端LZSS。每一AI合作开发者都能采用该架构紧密结合FlowGaphs合作开发神经互联网或其它排序数学模型。
3. Google知觉应用软件包
Google知觉应用软件包是一类AI架构应用软件系统,于2016年正式发布,为机器自学项目提供更多了新机能。它是一类开放源码应用软件系统,能特别针对类似于大脑的机能来体能训练广度自学演算法。换言之,它十分有效率且完美无瑕。
它有好多机能,许多机能包括度强化和多样的模块,著眼于引入人工智慧技术。这些模块能够处置来自C++、Python或BrainScript的数据,能够让合作开发者高效采用资源、与GoogleAzure随心所欲集成以及可与NumPy实现互操作。
4. Apache Mahout
Apache Mahout是一类机器自学架构,充分采用线性代数。它还采用Scala DSL。该架构同样适用作大多数的现代人工智慧问题。
5. Accord.NET
另一类机器自学架构Accord.NET于2010年正式发布。它专门用C#撰写。作为一类流行的架构,它涵盖一大批库,因而在统计数据处置、图像处置、人工神经互联网及许多其它应用中能随心所欲构筑无数开发工具。
6. Theano
这是2007年正式发布的另一类著名的开放源码Python机器自学架构。作为著名库之一,它被视为基准,彻底改变了广度自学领域的众多进步。
它采使用者能随心所欲构筑众多机器自学终端开发工具合作开发应用软件系统数学模型。Theano有助于精简解释、强化和评估数学表达式的过程。此外,它特别针对GPU进行了强化,还提供更多了高效的符号微分。
7. Scikit-learn
这是一类专门为机器自学合作开发的开放源码库。它于2007年问世。Scikit-learn是为Matplotlib、SciPy和NumPy以或其它开放源码项目设计的。它适当地著眼于数据分析和数据挖掘。
必须考虑的方面是它用Python撰写。它包含众多机器自学数学模型。这些数学模型包括聚类、回归、分类和降维。
8. 亚马逊机器自学
AWS拥有一套广为的机器自学架构,全球成千上万的公司企业在采用它。该网络平台可与主要的AI架构协同采用,以提供更多随时可用的人工智慧应用软件系统而闻名。
9. Torch
这是当今可用的优先选项之一。Torch于2002年正式发布,这种机器自学库提供更多了用作广度自学的大量演算法。处置机器自学项目时,它具有经过强化的速度和灵活性。
通过降低专用过程之间不希望的复杂性,Torch能提供更多有效率的全力支持。它随带Lua这种面向AI合作开发者的脚本语言和底层C实现。此外,它整合了多样的机能,比如说N维数组、线性代数例程以及对Android和iOS网络平台的高效GPU全力支持等。
10. Caffe
开放源码AI的当前发展促进了相关方面的稳步研发。Caffe于2017年正式发布,是一家小巧的机器自学架构,面向著眼于速度、模组化和表现力的人工智慧合作开发公司。加速特征嵌入的传递函数架构(Caffe)引入了Python接口,用C++撰写。
除了是一类理想的架构外,Caffe还拥有许多有价值的机能。这包括促进积极合作开发的广为代码、促进发展的充满活力的社区、激发创新的富有表现力的架构以及加快行业布署的加速性能。