人工智能（AI）已經(jīng)存在很長(zhǎng)時(shí)間了。然而，由于這一領(lǐng)域的巨大進(jìn)步，近年來(lái)它已成為一個(gè)流行語(yǔ)。人工智能曾經(jīng)被稱為一個(gè)完整的書(shū)呆子和天才的領(lǐng)域，但由于各種開(kāi)發(fā)庫(kù)和框架的發(fā)展，它已經(jīng)成為一個(gè)友好的IT領(lǐng)域，并有很多人正走進(jìn)它。

在這篇文章中，我們將研究用于人工智能的優(yōu)質(zhì)庫(kù)，它們的優(yōu)缺點(diǎn)以及它們的一些特征。讓我們深入并探索這些人工智能庫(kù)的世界！

1. TensorFlow

____________________________________________________________

“使用數(shù)據(jù)流圖表的可伸縮機(jī)器學(xué)習(xí)的計(jì)算”

____________________________________________________________

語(yǔ)言：C ++或Python。

當(dāng)進(jìn)入AI時(shí)，你會(huì)聽(tīng)到的第一個(gè)框架之一就是Google的TensorFlow。

TensorFlow是一個(gè)使用數(shù)據(jù)流圖表進(jìn)行數(shù)值計(jì)算的開(kāi)源軟件。這個(gè)框架被稱為具有允許在任何CPU或GPU上進(jìn)行計(jì)算的架構(gòu)，無(wú)論是臺(tái)式機(jī)、服務(wù)器還是移動(dòng)設(shè)備。這個(gè)框架在Python編程語(yǔ)言中是可用的。

TensorFlow對(duì)稱為節(jié)點(diǎn)的數(shù)據(jù)層進(jìn)行排序，并根據(jù)所獲得的任何信息做出決定。！

優(yōu)點(diǎn)：

• 使用易于學(xué)習(xí)的語(yǔ)言（Python）。
• 使用計(jì)算圖表抽象。
• 用于TensorBoard的可用性的可視化。

缺點(diǎn)：

• 這很慢，因?yàn)镻ython不是語(yǔ)言中最快的。
• 缺乏許多預(yù)先訓(xùn)練的模型。
• 不完全開(kāi)源。

2. Microsoft CNTK

____________________________________________________________

“開(kāi)源深度學(xué)習(xí)工具包”

____________________________________________________________

語(yǔ)言：C ++。

我們可以稱之為微軟對(duì)Google的TensorFlow的回應(yīng)。

微軟的計(jì)算網(wǎng)絡(luò)工具包是一個(gè)增強(qiáng)分離計(jì)算網(wǎng)絡(luò)模塊化和維護(hù)的庫(kù)，提供學(xué)習(xí)算法和模型描述。

在需要大量服務(wù)器進(jìn)行操作的情況下，CNTK可以同時(shí)利用多臺(tái)服務(wù)器。

據(jù)說(shuō)它的功能與Google的TensorFlow相近；但是，它會(huì)更快。。

優(yōu)點(diǎn)：

• 這是非常靈活的。
• 允許分布式訓(xùn)練。
• 支持C ++、C＃、Java和Python。

缺點(diǎn)：

• 它以一種新的語(yǔ)言——網(wǎng)絡(luò)描述語(yǔ)言（Network Description Language , NDL）來(lái)實(shí)現(xiàn)。
• 缺乏可視化。

3. Theano

____________________________________________________________

“數(shù)值計(jì)算庫(kù)”

____________________________________________________________

語(yǔ)言：Python。

Theano是TensorFlow的強(qiáng)有力競(jìng)爭(zhēng)者，是一個(gè)功能強(qiáng)大的Python庫(kù)，允許以高效率的方式進(jìn)行涉及多維數(shù)組的數(shù)值操作。

Theano庫(kù)透明地使用GPU來(lái)執(zhí)行數(shù)據(jù)密集型計(jì)算而不是CPU，因此操作效率很高。

出于這個(gè)原因，Theano已經(jīng)被用于為大規(guī)模的計(jì)算密集型操作提供動(dòng)力大約十年。

然而，在2017年9月，宣布Theano的主要開(kāi)發(fā)將于2017年11月發(fā)布的1.0版本后停止。

這并不意味著它是一個(gè)不夠強(qiáng)大的庫(kù)。你仍然可以隨時(shí)進(jìn)行深入的學(xué)習(xí)研究。。

優(yōu)點(diǎn)：

• 正確優(yōu)化CPU和GPU。
• 有效的數(shù)字任務(wù)。

缺點(diǎn)：

• 與其他庫(kù)相比，原生Theano有點(diǎn)低級(jí)。
• 需要與其他庫(kù)一起使用以獲得高度的抽象化。
• AWS上有點(diǎn)bug。

4. Caffe

____________________________________________________________

“快速、開(kāi)源的深度學(xué)習(xí)框架”

____________________________________________________________

語(yǔ)言：C ++。

Caffe是一個(gè)強(qiáng)大的深度學(xué)習(xí)框架。

像這個(gè)清單上的其他框架一樣，深度學(xué)習(xí)的研究速度非常快。

借助Caffe，您可以非常輕松地構(gòu)建用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)（CNN）。Caffe在GPU上運(yùn)行良好，這有助于在運(yùn)行期間提高速度。。

Caffe主要的類有：

優(yōu)點(diǎn)：

• Python和MATLAB的綁定可用。
• 性能表現(xiàn)良好。
• 無(wú)需編寫代碼即可進(jìn)行模型的訓(xùn)練。

缺點(diǎn)：

• 對(duì)于經(jīng)常性網(wǎng)絡(luò)不太好。
• 新體系結(jié)構(gòu)不太好。

5. Keras

____________________________________________________________

“人類的深度學(xué)習(xí)”

____________________________________________________________

語(yǔ)言：Python。

Keras是一個(gè)用Python編寫的開(kāi)源的神經(jīng)網(wǎng)絡(luò)庫(kù)。

與TensorFlow、CNTK和Theano不同，Keras不是一個(gè)端到端的機(jī)器學(xué)習(xí)框架。

相反，它作為一個(gè)接口，提供了一個(gè)高層次的抽象化，這使得無(wú)論它坐落在哪個(gè)框架上，神經(jīng)網(wǎng)絡(luò)的配置都會(huì)變得容易。

谷歌的TensorFlow目前支持Keras作為后端，而微軟的CNTK也會(huì)在很短的時(shí)間內(nèi)做到這一點(diǎn)。。

優(yōu)點(diǎn)：

• 它是用戶友好的。
• 它很容易擴(kuò)展。
• 在CPU和GPU上無(wú)縫運(yùn)行。
• 與Theano和TensorFlow無(wú)縫工作。

缺點(diǎn)：

• 不能有效地用作獨(dú)立的框架。

6. Torch

____________________________________________________________

“一個(gè)開(kāi)源的機(jī)器學(xué)習(xí)庫(kù)”

____________________________________________________________

語(yǔ)言：C。

Torch是一個(gè)用于科學(xué)和數(shù)字操作的開(kāi)源機(jī)器學(xué)習(xí)庫(kù)。

這是一個(gè)基于Lua編程語(yǔ)言而非Python的庫(kù)。

Torch通過(guò)提供大量的算法，使得深度學(xué)習(xí)研究更容易，并且提高了效率和速度。它有一個(gè)強(qiáng)大的N維數(shù)組，這有助于切片和索引等操作。它還提供了線性代數(shù)程序和神經(jīng)網(wǎng)絡(luò)模型。！

優(yōu)點(diǎn)：

• 非常靈活。
• 高水平的速度和效率。
• 大量的預(yù)訓(xùn)練模型可用。

缺點(diǎn)：

• 不清楚的文獻(xiàn)記錄。
• 缺乏即時(shí)使用的即插即用代碼。
• 它基于一種不那么流行的語(yǔ)言——Lua。

7. Accord.NET

____________________________________________________________

“機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、統(tǒng)計(jì)和.NET通用科學(xué)計(jì)算”

____________________________________________________________

語(yǔ)言：C＃。

這是專為C＃程序員設(shè)計(jì)的。

Accord.NET框架是一個(gè).NET機(jī)器學(xué)習(xí)框架，使音頻和圖像處理變得簡(jiǎn)單。

這個(gè)框架可以有效地處理數(shù)值優(yōu)化、人工神經(jīng)網(wǎng)絡(luò)，甚至可視化。除此之外，Accord.NET對(duì)計(jì)算機(jī)視覺(jué)和信號(hào)處理的功能非常強(qiáng)大，同時(shí)也使得算法的實(shí)現(xiàn)變得簡(jiǎn)單。。

優(yōu)點(diǎn)：

• 它有一個(gè)強(qiáng)大而積極的開(kāi)發(fā)團(tuán)隊(duì)。
• 非常有據(jù)可查的框架。
• 質(zhì)量可視化。

缺點(diǎn)：

• 不是一個(gè)非常流行的框架。
• 比TensorFlow慢。

8. Spark MLlib

____________________________________________________________

“可擴(kuò)展的機(jī)器學(xué)習(xí)庫(kù)”

____________________________________________________________

語(yǔ)言：Scala。

Apache的Spark MLlib是一個(gè)非常可擴(kuò)展的機(jī)器學(xué)習(xí)庫(kù)。

它非常適用于諸如Java、Scala、Python，甚至R等語(yǔ)言。它非常高效，因?yàn)樗梢耘cPython庫(kù)和R庫(kù)中的numpy進(jìn)行互操作。

MLlib可以輕松插入到Hadoop工作流程中。它提供了機(jī)器學(xué)習(xí)算法，如分類、回歸和聚類。

這個(gè)強(qiáng)大的庫(kù)在處理大型數(shù)據(jù)時(shí)非常快速。在網(wǎng)站上了解更多信息。

優(yōu)點(diǎn)：

• 對(duì)于大規(guī)模數(shù)據(jù)處理非常快速。
• 提供多種語(yǔ)言。

缺點(diǎn)：

• 陡峭的學(xué)習(xí)曲線。
• 即插即用僅適用于Hadoop。

9. Sci-kit Learn

____________________________________________________________

“用Python的機(jī)器學(xué)習(xí)”

____________________________________________________________

語(yǔ)言：Python。

Sci-kit learn是一個(gè)非常強(qiáng)大的機(jī)器學(xué)習(xí)Python庫(kù)，主要用于構(gòu)建模型。

使用numpy、SciPy和matplotlib等其他庫(kù)構(gòu)建，對(duì)統(tǒng)計(jì)建模技術(shù)（如分類、回歸和聚類）非常有效。

Sci-kit learn帶有監(jiān)督學(xué)習(xí)算法、無(wú)監(jiān)督學(xué)習(xí)算法和交叉驗(yàn)證等功能。！

優(yōu)點(diǎn)：

• 許多主要算法的可用性。
• 有效的數(shù)據(jù)挖掘。

缺點(diǎn)：

• 不是構(gòu)建模型的最佳選擇。
• GPU效率不高。

10. MLPack

____________________________________________________________

“可擴(kuò)展的C ++機(jī)器學(xué)習(xí)庫(kù)”

____________________________________________________________

語(yǔ)言：C ++。

MLPack是一個(gè)用C ++實(shí)現(xiàn)的可擴(kuò)展的機(jī)器學(xué)習(xí)庫(kù)。因?yàn)樗怯肅 ++編寫的，所以你可以猜測(cè)它對(duì)于內(nèi)存管理是非常好的。

MLPack以極高的速度運(yùn)行，因?yàn)楦哔|(zhì)量的機(jī)器學(xué)習(xí)算法與庫(kù)一起出現(xiàn)。這個(gè)庫(kù)是對(duì)新手友好的，并提供了一個(gè)簡(jiǎn)單的API使用。！

優(yōu)點(diǎn)：

• 非常可擴(kuò)展。
• Python和C ++綁定可用。

缺點(diǎn)：

• 不是最好的文獻(xiàn)記錄。

總結(jié)

本文討論的庫(kù)非常有效，并且隨著時(shí)間的推移已經(jīng)證明都是高質(zhì)量的。像Facebook、谷歌、雅虎、蘋果和微軟這樣的大公司都利用其中的一些庫(kù)來(lái)進(jìn)行深度學(xué)習(xí)和機(jī)器學(xué)習(xí)項(xiàng)目，那么你為什么不呢？

你能想到你經(jīng)常使用的但并不在這個(gè)列表中的其他庫(kù)嗎？請(qǐng)?jiān)谠u(píng)論區(qū)留言與我們分享！

推薦閱讀：

展望2018年：基于AI人工智能的移動(dòng)應(yīng)用程序開(kāi)發(fā)將如何發(fā)展

開(kāi)發(fā)一個(gè)聊天機(jī)器人（Chatbot）應(yīng)用程序需要花費(fèi)多少錢？

NLP|自然語(yǔ)言處理-語(yǔ)法解析指南：算法和技術(shù)

PS: 更多、相關(guān)視頻、培訓(xùn)、公開(kāi)課，請(qǐng)關(guān)注！

關(guān)于人工智能機(jī)器學(xué)習(xí)的最新資訊和相關(guān)開(kāi)發(fā)工具推薦，請(qǐng)<>！