8 大最好的 AI 机器学习开源项目盘点

链接：https://opensource.com/article/18/5/top-8-open-source-ai-technologies-machine-learning

人工智能（AI）技术正迅速改变我们生活中几乎每一个领域。从我们如何交流到用于交通的手段，我们似乎越来越沉迷于他们。由于AI技术的快速发展，大量的人才和资源都致力于该技术研究。

这里列出了8种最好的开源AI技术，你可以利用这些技术将机器学习项目提升到一个新的水平。

1. TensorFlow

TensorFlow于2015年发布，是一款开源机器学习框架，易于在各种平台上使用和部署。它是机器学习中维护得最好和广泛使用的框架之一。

TensorFlow是谷歌为支持其研究和生产目标而创建的，目前TensorFlow已被多家公司广泛使用，包括Dropbox，eBay，Intel，Twitter和Uber。

TensorFlow可用于Python，C ++，Haskell，Java，Go，Rust以及JavaScript。你还可以找到其他编程语言的第三方软件包可供使用。该框架允许开发者使用流图开发神经网络（甚至是其他计算模型）。

2.Keras

Keras是一个开源软件库，最初于2015年发布，旨在简化深度学习模型的创建。它是用Python编写的，可以部署在其他人工智能技术之上，如TensorFlow，Microsoft Cognitive Toolkit（CNTK）和Theano。

Keras以其友好性，模块化和易扩展性而著称。如果你需要一个可以实现简单快速的原型设计，同时支持卷积网络和循环网络，并且在CPU（中央处理单元）和GPU（图形处理单元）上运行达到最佳状态的机器学习库，Keras就是个不错的选择

3. Scikit-learn

最初于2007年发布的scikit-learn是为机器学习开发的开源库。这个框架是用Python编写的，并且包含了几种机器学习模型，包括分类，回归，聚类和降维。

Scikit-learn是基于另外三个开源项目Matplotlib，NumPy和SciPy上设计的，专注于数据挖掘和数据分析。

4.Microsoft Cognitive Toolkit

最初于2016年发布的Microsoft Cognitive Toolkit（以前称为CNTK）是一种AI解决方案，可帮助开发者将机器学习项目提升到一个新的水平。

微软表示，开源框架能够“训练深度学习算法，以便像人脑一样工作”。

Microsoft Cognitive Toolkit的一些重要功能包括高度优化的组件，能够处理来自Python，C ++或BrainScript的数据，提供高效的资源使用，轻松与Microsoft Azure集成以及与NumPy进行互操作。

5. Theano

Theano最初于2007年发布，它是一个开源的Python库，允许您轻松地构建各种机器学习模型。由于它是最古老的AI库之一，它被视为推动深度学习发展的行业标准。

它的特性是可以简化定义，优化和评估数学表达式的过程。Theano能够将原本的结构转换为与NumPy，BLAS等高效本机库以及本地代码（C ++）集成的非常高效的代码。此外，它针对GPU进行了优化，提供了高效的符号差异化，并且具有广泛的代码测试功能。

6.Caffe

最初于2017年发布的Caffe（Convolutional Architecture for Fast Feature Embedding）是一种专注于表现力，速度和模块性的机器学习框架。该框架是用C ++编写的，并附带一个Python界面。

Caffe的主要特点包括稳定的模型架构，能够精简代码，提高框架适用性；加速行业部署速度以及开放的模型仓库。

7.Torch

Torch最初于2002年发布，它是一个机器学习库，提供广泛的深度学习算法。该框架在处理机器学习项目时为开发者提供了优化的灵活性和速度。

它使用脚本语言Lua编写，并附带一个底层C实现。Torch的一些主要功能包括N维数组，线性代数例程，数值优化例程，高效GPU支持以及对iOS和Android平台的支持。

8. Accord.NET

Accord.NET最初于2010年发布，是一个完全用C＃编写的机器学习框架。

该框架适用于生产级科学计算。Accord.NET是AForge.NET框架的扩展，在其基础上提供了更多统计分析和处理函数，包括图像处理和计算机视觉算法，它遵从LGPL授权协议。

结论

在开始构建机器学习应用程序之前，从众多的AI库中选择一个最适合的并非易事。因此，在作出最终决定之前对其进行评估是非常重要。

除了上面列出的机器学习AI技术，你在项目中使用哪种技术？是否还有其他框架，库或工具包没有提及到的？可以在下面的评论部分告诉我们。

●编号588，输入编号直达本文

●输入m获取文章目录