在過去的幾年中，人工智能正在占領(lǐng)技術(shù)的許多領(lǐng)域。 來自不同背景的開發(fā)人員最終意識到了AI為他們帶來的機(jī)遇，而不管他們的需求如何。

在今天的文章中，我們列出了7種最佳的開源AI /機(jī)器學(xué)習(xí)系統(tǒng)和框架。

1、TensorFlow

TensorFlow可能是世界上最著名的機(jī)器學(xué)習(xí)開源框架。它由Google開發(fā)，并為多種編程語言（例如Python，Javascript，C ++和Java）提供API。

它還支持移動(dòng)操作系統(tǒng)（iOS和android，對于iOS，它支持Swift編程語言），因此你可以使用它來構(gòu)建移動(dòng)應(yīng)用，該應(yīng)用利用即時(shí)機(jī)器學(xué)習(xí)來構(gòu)建模型并根據(jù)現(xiàn)實(shí)世界的數(shù)據(jù)進(jìn)行訓(xùn)練。

TensorFlow還具有許多其他功能，例如，它提供TensorFlow Extended（TFX）來幫助你在任何地方部署生產(chǎn)，可擴(kuò)展的高性能管道，而TFDV可以幫助你大規(guī)模驗(yàn)證數(shù)據(jù)，TensorFlow Model Analysis可以使機(jī)器可視化和分析學(xué)習(xí)你建立的模型。它確實(shí)是一個(gè)完整的框架，但是你知道有什么更好的嗎？因?yàn)樗块_源，免費(fèi)！

TensorFlow用Python編程語言編寫，這就是為什么你可以輕松地將其輕松安裝在Windows，macOS和Linux發(fā)行版上的原因。它還集成到Google Cloud中，因此你可以根據(jù)需要直接將其部署到生產(chǎn)中。

2、Scikit-learn

Scikit-learn是一個(gè)完全用Python編寫的機(jī)器學(xué)習(xí)框架。 它使你可以使用已建立的模型對數(shù)據(jù)運(yùn)行分類，回歸，聚類和降維過程，同時(shí)支持有監(jiān)督和無監(jiān)督的學(xué)習(xí)方法。

Scikit-learn是僅Python的實(shí)現(xiàn)，因此盡管它對Java / Javascript框架的移植性不強(qiáng)，但仍可以在所有現(xiàn)代桌面操作系統(tǒng)上使用。

Scikit-learn之所以與眾不同，是因?yàn)樗峁┝她嫶蟮母哔|(zhì)量文檔，以及所有部分的一致API。 Scikit-learn也非常清楚你在處理它時(shí)可能需要使用哪種估計(jì)器：

3、Torch

Torch是為LuaJIT編寫的完整的科學(xué)計(jì)算環(huán)境，它是針對Lua語言的即時(shí)（JIT）編譯器。 Torch不僅是機(jī)器學(xué)習(xí)框架/庫，還是更大的科學(xué)計(jì)算環(huán)境，但是它提供的功能之一是對機(jī)器學(xué)習(xí)的支持。

如果你要使用Torch，那么你必須知道，你一定會(huì)使用真正的社區(qū)驅(qū)動(dòng)的龐大庫和附件之一； 從機(jī)器學(xué)習(xí)到并行處理以及通過可視化庫傳遞……Torch中存在你在科學(xué)環(huán)境中所需的一切。

讓Torch感到遺憾的是，它在5個(gè)月前就退出了積極的開發(fā)并進(jìn)入了維護(hù)模式。 因此，盡管它具有功能性和全部功能，但你不應(yīng)指望很快會(huì)有任何新的更新。

4、PyTorch

基于以前的Torch庫，PyTorch是Python優(yōu)先的機(jī)器學(xué)習(xí)框架，被大量用于深度學(xué)習(xí)。它支持CUDA技術(shù)（來自NVIDIA），可以在訓(xùn)練，分析和驗(yàn)證神經(jīng)網(wǎng)絡(luò)模型中充分利用專用GPU的功能。

PyTorch的使用非常廣泛，并且正在積極地開發(fā)和支持。確實(shí)如此，因?yàn)楸M管它是完全免費(fèi)和開源的，但它提供了大量有價(jià)值的功能；它支持分布式訓(xùn)練（使用各種對等計(jì)算機(jī)訓(xùn)練模型），具有C ++前端（意味著你可以在C ++應(yīng)用程序和系統(tǒng)中使用PyTorch），支持集成到許多云合作伙伴（例如AWS，Google Cloud）和Microsoft Azure，并擁有大量的開發(fā)人員和科學(xué)家社區(qū)，因此不斷為其提供模塊和第三方社區(qū)附加組件。

它還提供了大量的學(xué)習(xí)資源，從在線課程到完整的API文檔和快速指南，以及在線論壇和Slack渠道支持的傳遞……你始終可以在PyTorch社區(qū)中找到幫助。

5、Microsoft Cognitive工具包

另一個(gè)深度學(xué)習(xí)庫是Microsoft Cognitive Toolkit。 它可以與Python，C＃和C ++語言一起使用，并且僅適用于Windows和Linux發(fā)行版的64位版本。 它是根據(jù)MIT許可獲得許可的。

CNTK與Torch和PyTorch一樣，支持NVIDIA的CUDA技術(shù)。 它也與.NET標(biāo)準(zhǔn)兼容，因此可用于通過.NET框架（甚至在Linux上）編寫跨平臺應(yīng)用程序。 它支持ONNX格式（這是神經(jīng)網(wǎng)絡(luò)的開源格式）。

6、Accord.NET

正如你已經(jīng)從其名稱中已經(jīng)意識到的那樣，該框架主要是為.NET框架構(gòu)建的。 它不僅僅是一個(gè)機(jī)器學(xué)習(xí)框架，而是為.NET中開發(fā)的任何內(nèi)容提供統(tǒng)計(jì)信息，計(jì)算機(jī)視覺和圖像處理方法。 因此，它可以在Windows，macOS，Linux，android和iOS上運(yùn)行。

Accord.NET優(yōu)于此列表中提到的許多其他框架，這是它具有對語音識別，面部識別和圖像識別的內(nèi)置實(shí)時(shí)支持。 因此，如果你真正從各個(gè)角度學(xué)習(xí)了該框架，則可以將其用于所需的任何類型的任務(wù)以及任何類型的應(yīng)用程序。

使用Accord.NET已經(jīng)出版了大量學(xué)術(shù)出版物，并且背后有大量的用戶社區(qū)。

7、DatumBox

列表中的最后一項(xiàng)是完全用Java編寫的框架。DatumBox，正如其開發(fā)人員所描述的那樣：

Datumbox機(jī)器學(xué)習(xí)框架是一個(gè)用Java編寫的開源框架，它允許快速開發(fā)機(jī)器學(xué)習(xí)和統(tǒng)計(jì)應(yīng)用程序。該框架的主要重點(diǎn)是包括大量的機(jī)器學(xué)習(xí)算法和統(tǒng)計(jì)方法，并能夠處理大型數(shù)據(jù)集。

Datumbox開發(fā)

DatumBox的開發(fā)人員提供了一個(gè)在線高級API，該API利用DatumBox機(jī)器學(xué)習(xí)框架來完成各種預(yù)先構(gòu)建的高級任務(wù)。如果你不想使用它，則可以簡單地下載機(jī)器學(xué)習(xí)框架，構(gòu)建模型并自己進(jìn)行訓(xùn)練。

結(jié)論

因此，你在這篇文章中看到了有多少種出色的開源機(jī)器學(xué)習(xí)模型，它們在提供的質(zhì)量和功能方面非常出色。 很難說必須使用專有的機(jī)器學(xué)習(xí)/ AI框架。

計(jì)算機(jī)視覺與語音識別的應(yīng)用示例

Gravitylink推出鈦靈AIX是一款集計(jì)算機(jī)視覺與智能語音交互兩大核心功能為一體的人工智能硬件，Model Play是面向全球開發(fā)者的AI模型資源平臺，內(nèi)置多樣化AI模型，與鈦靈AIX結(jié)合。AIX支持TensorFlow等多種開發(fā)框架，Model Play則兼容多種AI開發(fā)硬件，比如帶有Google Coral邊緣計(jì)算芯片的開發(fā)板、以及英特爾神經(jīng)計(jì)算加速棒等。