(點擊上方公眾號,可快速關注)
編譯:伯樂在線-飛哥的咖啡,英文:dashbouquet
盡管人工智能(AI )已經存在很長時間了,但因為這一領域取得的巨大進步,它最近成為了一個流行詞。
AI 曾被認為是狂熱愛好者和天才的專屬領域,但由于各種庫和框架的蓬勃發展,它慢慢成為了一個不那么排外的 IT 領域,并吸引了大量的人才投入其中。
在本文中,我們將介紹那些用于 AI 開發的高質量庫,并談談它們的優缺點,以及特性。
現在,讓我們進入并探索 AI 庫的世界吧。
TensorFlow:“使用數據流程圖對可拓展的機器學習進行計算”
語言:C++
84 725 ★
初接觸 AI 時,你聽說的首批框架應該包含了谷歌的 TensorFlow。
TensorFlow 是一個使用數據流程圖進行數值計算的開源軟件。這個不錯的框架因其架構而聞名,它允許在任何 CPU 或 GPU 上進行計算,不管是桌面、服務器,還是移動設備。它可在 Python 編程語言中使用。
TensorFlow 主要是通過數據層進行排序,而我們可以調用節點,并根據所得到的信息進行決策。
優點:
使用簡單易學的語言,如 Python。
使用計算圖進行抽象。
可以使用 TensorBoard 獲得可視化。
缺點:
運行速度慢,因為 Python 不是最快的語言。
缺乏許多預訓練的模型。
不完全開源。
Microsoft CNTK:“開源的深度學習工具包”
語言:C++
13 516 ★
我們是否可以將它看作是微軟對谷歌 TensorFlow 的回應?
微軟的CNTK(計算網絡工具包)是一個用來增強模塊化和保持計算網絡分離的庫,提供學習算法和模型描述。
在需要大量服務器進行計算的情況下,CNTK 可以同時利用多臺服務器。
據說 CNTK 在功能上接近谷歌的 TensorFlow,但速度比對方要快一些。
優點:
高度靈活。
允許分布式訓練。
缺點:
它由一種新的語言——NDL(網絡描述語言)實現。
缺乏可視化。
Theano:“數值計算庫”
語言:Python
7 550 ★
作為 TensorFlow 的強有力競爭對手,Theano 是一個強大的 Python 庫,它允許使用高效多維數組進行數值計算。
它不使用 CPU,而是透明地使用 GPU,用于數據密集型計算,所以效率很高。
因此,在大約 10 年內,Theano 一直被用于大規模的數據密集型計算。
然而,在 2017 年 9 月 28 日當日,開發團隊宣稱,將在 2017 年 11 月 15 日發布 1.0 版后,停止對它的主要開發。
但這并沒有削弱它的強大實力,你仍可以使用它,隨時進行深入學習的研究。
優點:
對 CPU 和 GPU 進行了適當優化。
高效的數值計算任務。
缺點:
與其他庫相比,原始的 Theano 有點兒低級。
需要與其他庫一起使用,以獲得較高級的抽象。
在 AWS 上使用有點小 Bug。
Caffe:“應對深入學習的快速開放架構”
語言:C++
22 111 ★
Caffe 是一個強大的深度學習框架。
和這個列表中的其他框架一樣,它對于深入學習的研究而言,是非常快速和有效的。
使用 Caffe,你可以輕易地構建一個用于圖像分類的 CNN(卷積神經網絡)。它在 GPU 上運行良好,使得運行速度非常快。
上圖是 Caffe 的主類。
優點:
可以與 Python 和 MATLAB 綁定使用。
高性能。
無需編寫代碼,即可訓練模型。
缺點:
對遞歸網絡支持不好。
對新架構來說不是很好。
Keras:“針對人類的深度學習”
語言:Python
23 711 ★
Keras 是一個用 Python 編寫的開源神經網絡庫。
不似TensorFlow、CNTK、Theano、Keras 這種端到端(End-to-End)的機器學習框架,
相反,它是一個接口,提供了高層次的抽象,使得神經網絡的配置變得更加簡單,而不必考慮所在的框架。
谷歌的 TensorFlow 目前支持 Keras 作為后端,而微軟的 CNTK 也將在短時間內獲得支持。
優點:
它對用戶友好,易于上手。
高度拓展。
可以在 CPU 或 GPU 上無縫運行。
完美兼容 Theano 和 TensorFlow。
缺點:
不能有效地作為一個獨立的框架來使用。
Torch:“開源機器學習庫”
語言:C
7 584 ★
Torch 是一個用于科學計算和數值計算的開源機器學習庫。
它是一個基于 Lua 編程語言(終于不再是 Python)的庫。
通過提供大量算法,使得深入學習的研究更加容易,并提高了效率和速度。它有一個強大的 N 維數組,幫助進行類似切片和索引這樣的計算,并提供線性代數程序和神經網絡模型。官網:http://torch.ch/
優點:
高度靈活。
速度快,效率高。
大量的預訓練模型可用。
缺點:
說明文檔不夠清晰。
缺乏立即使用的即插即用代碼。
它基于一個不怎么流行的編程語言 Lua。
Accord.NET:針對 .NET 的機器學習、計算機視覺、統計學和通用科學計算
語言:C#
2 424 ★
這是為 C# 程序員準備的。
Accord.NET 框架是一個 .NET 機器學習框架,使得音頻和圖像的處理變得更加簡單。
該框架可以有效地解決數值優化、人工神經網絡,甚至給出了可視化的特征。此外,Accord.NET 對計算機視覺和信號處理具有強大的功能,并且易于算法實現。
優點:
它擁有一個龐大且活躍的開發團隊。
說明文檔非常不錯。
高質量的可視化。
缺點:
這不是一個非常流行的框架。
與 TensorFlow 相比,速度慢
Spark MLlib:可擴展的機器學習庫
語言:Scala
15 708 ★
Apache 的 Spark MLlib 是一個具有高度拓展性的機器學習庫。
它在 Java、Scala、Python 甚至 R 語言中都非常有用,因為它使用 Python 和 R 中類似 Numpy 這樣的庫,能夠進行高效的交互。
MLlib 可以很容易地插入 Hadoop 工作流程中。它提供了機器學習算法,如分類、回歸、聚類等。
這個強大的庫在處理大規模的數據時,速度非常快。
優點:
對于大規模數據處理來說,非常快。
可用于多種語言。
缺點:
陡峭的學習曲線。
僅 Hadoop 支持即插即用。
Sci-Kit Learn:“Python 中的機器學習”
語言:Python
24 369 ★
Sci-kit learn 是一個針對機器學習的強大 Python 庫,主要用于構建模型。
使用諸如 Numpy、SciPy 和 Matplotlib 等其他庫構建,對于統計建模技術(如分類、回歸、集群等)非常有效。
Sci-Kit learn的特性包括監督式學習算法、非監督式學習算法和交叉驗證。
優點:
可以使用許多 shell 算法。
高效的數據挖掘。
缺點:
不是最好的模型構建庫。
GPU 使用不高效。
MLPack:“可擴展的 C++ 機器學習庫”
語言:C++
1 856 ★
MLPack 是一個使用 C++ 實現的可擴展的機器學習庫。在 C++ 中,你可以猜到,它的內存管理非常出色。
擁有高質量的機器學習算法與庫,MLPack 的運行速度非常快。它對新手十分友好,因為它提供了一個可供使用的簡單 API。
優點:
高度拓展。
可以與 Python 和 C++ 綁定。
缺點:
說明文檔不夠清晰。
總結
本文所討論的庫都非常高效,并經過了時間的考驗,質量上乘。五大巨頭 Facebook、谷歌、雅虎、蘋果、微軟都在使用這些庫進行深度學習和機器學習項目。
你有什么理由不用哪?
-
AI
+關注
關注
87文章
34090瀏覽量
275196 -
C++
+關注
關注
22文章
2117瀏覽量
74754 -
機器學習
+關注
關注
66文章
8488瀏覽量
134012 -
python
+關注
關注
56文章
4823瀏覽量
86115
原文標題:10 個用于 AI 開發的框架和庫
文章出處:【微信號:LinuxHub,微信公眾號:Linux愛好者】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
評論