隨著近年來AI的使用率越來越高，我們需要更加清楚地了解現(xiàn)在有哪些可供選擇的人工智能工具、庫、平臺(tái)，以及它們提供了哪些功能，有哪些缺點(diǎn)，哪個(gè)最適合你。本文列舉出了最受歡迎的前12個(gè)AI工具、庫和平臺(tái)，介紹了它們最常見的用途，有哪些優(yōu)點(diǎn)和缺點(diǎn)，還有一些其它的內(nèi)容，根據(jù)這些信息，將會(huì)使你更加輕松地做出上述問題的決策!

1. Azure機(jī)器學(xué)習(xí)

如果你沒有高超的編程技能，但很希望能夠涉足機(jī)器學(xué)習(xí)領(lǐng)域，那你應(yīng)該好好研究Azure機(jī)器學(xué)習(xí)。(注意，你應(yīng)該有一些機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的基礎(chǔ)，這樣才能感受到該平臺(tái)提供的好處)。它是基于云端的服務(wù)，提供的工具可用來部署預(yù)測(cè)模型作為分析解決方案。還可以用來測(cè)試機(jī)器學(xué)習(xí)模型，運(yùn)行算法，并創(chuàng)建推薦系統(tǒng)等等。然而，用戶界面是使用者對(duì)它的吐槽點(diǎn)，尤其是涉及到代碼編寫的時(shí)候。

2.Caffe（卷積神經(jīng)網(wǎng)絡(luò)框架）

Caffe的創(chuàng)建者是賈揚(yáng)清，它是作為加州大學(xué)伯克利分校的Jia’s Ph.D研究的一部分。現(xiàn)在已經(jīng)發(fā)展成為深度學(xué)習(xí)的一個(gè)開源框架了，支持各種類型的軟件架構(gòu)設(shè)計(jì)會(huì)議及圖像分割和圖像分類。Caffe以其簡(jiǎn)單易讀的源代碼和絕佳的質(zhì)量性能而大受追捧。一些否定者認(rèn)為由于需要使用Cude/C++編寫新的層，而且在為大型網(wǎng)絡(luò)編寫原始文件時(shí)很難使用。

3.CNTK

CNTK(計(jì)算網(wǎng)絡(luò)工具包)是一款深度學(xué)習(xí)的工具包，是由微軟開發(fā)的“通過有向圖將神經(jīng)網(wǎng)絡(luò)描述為一系列的計(jì)算步驟”。它可以幫助用戶把不同類型的神經(jīng)網(wǎng)絡(luò)輕松地結(jié)合到一起，它有著巨大的性能，還允許分布式訓(xùn)練，靈活度非常高。另一方面，它的源代碼沒有那么的簡(jiǎn)單易讀，而且缺乏可視化。

4.Deeplearning4j

DeepLearning4J自稱是專門適用于JVM的開源、分布式深度學(xué)習(xí)的庫。它特別適于培訓(xùn)分布式深度學(xué)習(xí)網(wǎng)絡(luò)，可以非常穩(wěn)定的處理大量數(shù)據(jù)。它還可以整合Hadoop和Spark，可以從頭開始實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法。另一方面，對(duì)于機(jī)器學(xué)習(xí)來說，Java并不是非常受歡迎，所以DL4J不能像其它庫那樣依靠越來越多的代碼庫，因此開發(fā)成本可能會(huì)更高。此外，因?yàn)樗怯肑ava構(gòu)建的，所以必須自己手工創(chuàng)建顯式類以便將矩陣添加到一起，而如果是用Python的話，那就不需要?jiǎng)?chuàng)建了。

5.IBM Watson

IBM Watson被稱為“問答機(jī)器”。它使用分析能力和人工智能增強(qiáng)human-like的能力來應(yīng)對(duì)問題。它可以幫助用戶擁有強(qiáng)大的商業(yè)洞察力，然后在已經(jīng)很明智的決定上做出更明智的決定。IBM還可以確保用戶的數(shù)據(jù)得到世界級(jí)的安全保護(hù)和加密功能，而且承諾不會(huì)分享數(shù)據(jù)，除非你自己愿意。另一方面，它的缺點(diǎn)包括只能用英語，不能直接處理結(jié)構(gòu)化數(shù)據(jù)，轉(zhuǎn)換和集成需要耗費(fèi)很高的成本。

6.Keras

Keras神經(jīng)網(wǎng)絡(luò)是一個(gè)用Python編寫的開源庫。如果你正在尋找哪些庫可以允許用戶執(zhí)行快速而且簡(jiǎn)單的實(shí)驗(yàn)，那么Keras應(yīng)該就是你需要的!它作用于卷積神經(jīng)網(wǎng)絡(luò)和/或復(fù)發(fā)性神經(jīng)網(wǎng)絡(luò)，也可以運(yùn)行在兩個(gè)CPU和GPU。其優(yōu)點(diǎn)是易于使用，對(duì)于熟悉深入學(xué)習(xí)的開發(fā)者來說非常簡(jiǎn)單，但它的缺點(diǎn)就是如果想超越表面級(jí)別的定制可能會(huì)比較困難，其數(shù)據(jù)處理工具有點(diǎn)負(fù)擔(dān)。不過，總的來說，這是一個(gè)正在發(fā)展中的API，已經(jīng)走過了漫長(zhǎng)的道路，沒有人可以預(yù)言它的極限在哪里。

7.Pybrain

PyBrain是一個(gè)開源的、模塊化的機(jī)器學(xué)習(xí)庫。它完全面向框架，PyBrain旨在成為一個(gè)使用群眾包括既有剛剛開始探索世界的學(xué)生，也有專門從事于深入學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)科學(xué)研究人員的工具。PyBrains庫是由算法組成的，這些算法允許開發(fā)人員使用強(qiáng)化學(xué)習(xí)等概念，非監(jiān)督機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。

8.Scikit-Learn

Scikit-learn機(jī)器學(xué)習(xí)是一個(gè)開源框架，Python有用的數(shù)據(jù)挖掘、數(shù)據(jù)分析和數(shù)據(jù)可視化。它有利于分類、回歸、聚類、降維、模型選擇、預(yù)處理，等等。它是建立在NumPy，SciPy，matplotlib。使用Python，工作速度比R和有偉大的表現(xiàn)。然而，沒有分布式版本可用，不適合大數(shù)據(jù)集。

9.Swift AI

Swift人工智能是Swift用于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的庫，支持Mac機(jī)器(很快也會(huì)支持Linux)。這個(gè)庫是由各種工具組成，允許開發(fā)人員創(chuàng)建神經(jīng)網(wǎng)絡(luò)，創(chuàng)建深度學(xué)習(xí)算法和信號(hào)處理。在GitHub頁面上顯示的示例項(xiàng)目表明Swift AI已經(jīng)迅速被用于創(chuàng)建可以識(shí)別人類筆跡模式的軟件。

10.Tensorflow

最初是由谷歌的機(jī)器智能研究開發(fā)部門研究出來的，是用來進(jìn)行深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的研究，TensorFlow現(xiàn)在已經(jīng)是semi-open-source庫了，允許開發(fā)人員進(jìn)行數(shù)值計(jì)算。AI開發(fā)者可以使用TensorFlow庫在模式識(shí)別方面構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。它是用Python和C++這兩門強(qiáng)大的以及廣受歡迎的編程語言編寫的，允許分布式訓(xùn)練。它的缺點(diǎn)是不包含許多pre-trained模型，像Caffe一樣，也不支持外部數(shù)據(jù)集。

11.Theano

Theano是一個(gè)使用計(jì)算機(jī)代數(shù)系統(tǒng)從而定義、優(yōu)化、操作和評(píng)估數(shù)學(xué)表達(dá)式的Python庫。如果你用深度學(xué)習(xí)處理，那就要處理很多數(shù)值的任務(wù)。Theano非常適合處理這些任務(wù)——特別是矩陣運(yùn)算，符號(hào)變量，函數(shù)定義，可以即時(shí)編譯為CPU或GPU的機(jī)器代碼。Theano是時(shí)間最久的深度學(xué)習(xí)庫之一，這意味著它非常成熟，但也意味著如果你想有一個(gè)高水平的抽象，它必須和其他庫一起使用。

12.Torch

Torch是一個(gè)用于科學(xué)計(jì)算的開源框架，支持機(jī)器學(xué)習(xí)算法。它得益于腳本語言LuaJIT和底層的C/CUDA實(shí)現(xiàn)，LuaJIT允許開發(fā)人員用C語言與Torch進(jìn)行交互。正如在他們的網(wǎng)站上列出的那樣，Torch使用者們的突出特性就是“強(qiáng)大的n維數(shù)組;線性代數(shù)的例程;神經(jīng)網(wǎng)絡(luò)、能源模型;快速和高效的GPU的支持。”此外，它還可以移植到iOS和Android的后端。Torch已經(jīng)指出一些缺點(diǎn)，包括從目錄中加載數(shù)據(jù)是非常困難，過于依賴Lua(相對(duì)較新的語言)使不容易被使用。

原文：