機(jī)器學(xué)習(xí)開(kāi)源框架，不論是對(duì)公司還是個(gè)人，都有非常重要的價(jià)值。本文便介紹了目前較為流行且易用的機(jī)器學(xué)習(xí)開(kāi)源框架?？傆幸豢钸m合你！

首先需要說(shuō)明，這是一篇面向初學(xué)者的文章。

在眾多的開(kāi)源機(jī)器學(xué)習(xí)框架里，總有一款適合你。

隨著人工智能的興起，對(duì)機(jī)器學(xué)習(xí)能力的需求可謂是急劇增加：從金融到醫(yī)療，各行各業(yè)都在采用基于機(jī)器學(xué)習(xí)的技術(shù)。

然而，對(duì)于大多數(shù)企業(yè)和組織來(lái)說(shuō)，定義機(jī)器學(xué)習(xí)模型仍然是一項(xiàng)復(fù)雜且資源密集型的工作。

若是借助良好的機(jī)器學(xué)習(xí)框架，便可以減少上述的挑戰(zhàn)。

下面便是一些最好的開(kāi)源框架和庫(kù)，企業(yè)和個(gè)人都可以使用它們來(lái)構(gòu)建機(jī)器學(xué)習(xí)模型。

Amazon Machine Learning

鏈接地址：

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

Amazon Machine Learning(AML)為開(kāi)發(fā)機(jī)器學(xué)習(xí)模型提供了工具和向?qū)А?/p>

AML通過(guò)提供易用的分析和可視化輔助工具，使開(kāi)發(fā)人員更容易訪問(wèn)機(jī)器學(xué)習(xí)。它還可以連接到Redshift或Amazon S3上存儲(chǔ)的任何數(shù)據(jù)。

AML提供的交互式圖表有助于可視化輸入數(shù)據(jù)集，以便更好地理解數(shù)據(jù)。 AML還管理運(yùn)行和擴(kuò)展模型創(chuàng)建所需的基礎(chǔ)架構(gòu)和工作流程。

Caffe

鏈接地址：http://caffe.berkeleyvision.org/

Caffe以構(gòu)建、開(kāi)發(fā)深度學(xué)習(xí)應(yīng)用程序而聞名。

這些應(yīng)用程序允許用戶在不需要編寫(xiě)任何代碼或具備編碼知識(shí)的情況下使用神經(jīng)網(wǎng)絡(luò)。

Caffe支持Windows和Mac OS x等操作系統(tǒng)，還部分支持多GPU訓(xùn)練。

Caffe2

鏈接地址：http://caffe2.ai/

Caffe2 是 Caffe 實(shí)驗(yàn)性的再造，可以提供更靈活的方法組織計(jì)算。

Caffe2強(qiáng)調(diào)易用性，旨在為開(kāi)發(fā)人員提供一種簡(jiǎn)單直觀的方式，親身體驗(yàn)深度學(xué)習(xí)。

在某些情況下，你可能希望使用現(xiàn)有的模型，跳過(guò)整個(gè)“學(xué)習(xí)”的步驟，在嘗試訓(xùn)練你自己的模型之前，就熟悉深度學(xué)習(xí)是如何的實(shí)用和有效。

Caffe2 的原理與 Caffe 相同，開(kāi)發(fā)原則可以概括為以下5點(diǎn)：

表達(dá)（Expression）：模型和優(yōu)化被定義為純文本模式（plaintext schema）而不是代碼。

速度：對(duì)學(xué)界和產(chǎn)業(yè)界都一樣，速度對(duì)于最先進(jìn)的模型和大數(shù)據(jù)至關(guān)重要。

模塊化：新任務(wù)和設(shè)置需要靈活性和擴(kuò)展性。

開(kāi)放性：科學(xué)和應(yīng)用進(jìn)步需要通用代碼（common code），參考模型和重現(xiàn)性（reproducibility）。

社區(qū)：學(xué)術(shù)研究、startup prototypes 和工業(yè)應(yīng)用通過(guò)在 BSD-2 項(xiàng)目中聯(lián)合討論和開(kāi)發(fā)，共享實(shí)力。

Theano

鏈接地址：

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

Theano是一個(gè)專(zhuān)門(mén)為深度學(xué)習(xí)設(shè)計(jì)的Python庫(kù)。它幫助用戶定義和計(jì)算數(shù)學(xué)表達(dá)式，包括多維數(shù)組。

Theano的特性包括與NumPy的集成、符號(hào)微分(symbolic differentiation)和動(dòng)態(tài)C代碼生成。它還可以與其他庫(kù)(如Keras和Blocks)一起使用，并支持Mac OS X和Linux等平臺(tái)。

雖然已經(jīng)停止更新，但Theano的很多特性都在現(xiàn)有的其他框架里被繼承了下來(lái)，了解一下不會(huì)吃虧。

TensorFlow

鏈接地址：https://www.tensorflow.org/

TensorFlow是由Google開(kāi)發(fā)的開(kāi)源庫(kù)，它是目前為止最受歡迎且維護(hù)良好的深度學(xué)習(xí)庫(kù)之一。

用戶可以通過(guò)使用流程圖和名為T(mén)ensorBoard的服務(wù)在TensorFlow上創(chuàng)建神經(jīng)網(wǎng)絡(luò)和計(jì)算模型，該服務(wù)提供簡(jiǎn)單的可視化。

TensorFlow有Python和C ++兩種版本。它可以輕松部署在不同類(lèi)型的設(shè)備上。

Torch

鏈接地址：http://torch.ch/

Torch是另一款非常容易使用的開(kāi)源框架。

Torch提供了N維數(shù)組、線性代數(shù)程序(routine)、高效的GPU支持以及用于切片和傳輸?shù)某绦?。Torch還提供了多個(gè)模型模板。

它基于Lua腳本，支持Android、Windows、iOS和Mac OS X等平臺(tái)。

不過(guò)，現(xiàn)在有了一個(gè)比Torch更好的選擇，那就是接下來(lái)介紹的PyTorch。

PyTorch

鏈接地址：http://pytorch.org/

AI的開(kāi)發(fā)從研究到生產(chǎn)的過(guò)程，涉及多個(gè)步驟和工具，這使得測(cè)試新方法、部署它們，以及迭代以提高準(zhǔn)確性和性能都非常耗時(shí)而且復(fù)雜。為了幫助加速和優(yōu)化這個(gè)過(guò)程，F(xiàn)acebook推出了PyTorch 1.0。

現(xiàn)在，PyTorch受歡迎的趨勢(shì)，尤其是在研究人員之間，大有趕超TensorFlow之趨。

PyTorch 1.0采用了Caffe2和ONNX的模塊化、面向生產(chǎn)的功能，并將它們與PyTorch現(xiàn)有的靈活的、側(cè)重于研究的設(shè)計(jì)結(jié)合起來(lái)，為各種AI項(xiàng)目提供從研究原型到生產(chǎn)部署的快速、無(wú)縫的路徑。

使用PyTorch 1.0，AI開(kāi)發(fā)人員可以通過(guò)在命令式執(zhí)行模式和聲明式執(zhí)行模式之間無(wú)縫切換的混合前端進(jìn)行快速實(shí)驗(yàn)和性能優(yōu)化。PyTorch 1.0中的技術(shù)已經(jīng)為Facebook的許多產(chǎn)品和服務(wù)提供支持，包括每天執(zhí)行60億次的文本翻譯。

PyTorch 1.0包含一系列工具、庫(kù)、預(yù)訓(xùn)練的模型和各個(gè)開(kāi)發(fā)階段的數(shù)據(jù)集，使社區(qū)能夠大規(guī)模地快速創(chuàng)建和部署新的AI創(chuàng)新。

總結(jié)

機(jī)器學(xué)習(xí)框架最好的一點(diǎn)是，它們帶有預(yù)構(gòu)建的組件，可以幫助用戶輕松地理解和編寫(xiě)模型。

機(jī)器學(xué)習(xí)框架越好，定義機(jī)器學(xué)習(xí)模型的任務(wù)就越簡(jiǎn)單。上面提到的開(kāi)源機(jī)器學(xué)習(xí)框架可以幫助大家高效、輕松地構(gòu)建機(jī)器學(xué)習(xí)模型。