過去十年中人工智能的飛速增長刺激了當(dāng)今就業(yè)市場對AI和ML技能的巨大需求。從金融到醫(yī)療保健，現(xiàn)在幾乎所有行業(yè)都在使用基于ML的技術(shù)。本文將介紹一系列可用于構(gòu)建機器學(xué)習(xí)模型的最佳框架和庫。

　　1. TensorFlow

　　TensorFlow是Google開發(fā)的一款開源軟件庫，專為深度學(xué)習(xí)或人工神經(jīng)網(wǎng)絡(luò)而設(shè)計。TensorFlow允許你可以使用流程圖創(chuàng)建神經(jīng)網(wǎng)絡(luò)和計算模型。它是可用于深度學(xué)習(xí)的最好維護和最為流行的開源庫之一。TensorFlow框架可以使用C++也可以使用Python。其他類似的基于Python的深度學(xué)習(xí)框架包括Theano，Torch，Lasagne，Blocks，MXNet，PyTorch和Caffe。你可以使用TensorBoard進行簡單的可視化并查看計算流水線。其靈活的架構(gòu)允許你輕松部署在不同類型的設(shè)備上。不利的一面是，TensorFlow沒有符號循環(huán)，不支持分布式學(xué)習(xí)。此外，它還不支持Windows。

　　2. Theano

　　Theano是一個專為深度學(xué)習(xí)而設(shè)計的Python庫。你可以使用該工具定義和評估數(shù)學(xué)表達式，包括多維數(shù)組。針對GPU進行了優(yōu)化，該工具具有與NumPy集成，動態(tài)C代碼生成和符號區(qū)分等功能。但是，為了獲得高度的抽象，該工具必須與Keras，Lasagne和Blocks等其他庫一起使用。Theano支持Linux，Mac OS X和Windows等平臺。

　　3.Torch

　　Torch是一款針對ML算法且又簡單易用的開源計算框架。該工具提供了高效的GPU支持，N維數(shù)組，數(shù)值優(yōu)化例程，線性代數(shù)例程以及用于索引、切片和置換的例程?；贚ua的腳本語言，該工具帶有大量預(yù)先訓(xùn)練好的模型。這款靈活高效的ML研究工具支持諸如Linux，Android，Mac OS X，iOS和Windows等主流平臺。

　　4.Caffe

　　Caffe是一款深受歡迎的用于構(gòu)建應(yīng)用程序的深度學(xué)習(xí)工具。該工具是賈揚清在加州大學(xué)伯克利分校讀博士期間為他的一個項目而創(chuàng)建的，具有良好的Matlab / C ++ / Python界面。該工具允許你在不編寫代碼的情況下使用文本快速將神經(jīng)網(wǎng)絡(luò)應(yīng)用于問題。Caffe不完全地支持多GPU訓(xùn)練。該工具支持Ubuntu，Mac OS X和Windows等操作系統(tǒng)。

　　5.Microsoft CNTK

　　Microsoft Cognitive Toolkit是具有C#/C++/Python接口支持的最快的深度學(xué)習(xí)框架之一。此款開源框架帶有強大的C++ API，比TensorFlow更快、更準(zhǔn)確。該工具還支持內(nèi)置數(shù)據(jù)讀取器的分布式學(xué)習(xí)。它支持諸如前饋，CNN，RNN，LSTM和序列到序列等算法。該工具支持Windows和Linux。

　　6.Keras

　　用Python編寫的Keras是一個開源庫，旨在簡化新DL模型的創(chuàng)建。這種高級神經(jīng)網(wǎng)絡(luò)API可以在TensorFlow，Microsoft CNTK等深度學(xué)習(xí)框架之上運行。該工具以其用戶友好性和模塊化而聞名，因而非常適合快速原型開發(fā)。該工具針對CPU和GPU進行了優(yōu)化。

　　7. scikit-learn

　　scikit-learn是一個開源的Python庫，專為機器學(xué)習(xí)而設(shè)計?；谥T如NumPy，SciPy和matplotlib等庫的scikit-learn可用于數(shù)據(jù)挖掘和數(shù)據(jù)分析。scikit-learn配備了各種ML模型，包括線性和邏輯回歸器、SVM分類器和隨機森林。該工具可用于多個ML任務(wù)，如分類，回歸和聚類。scikit-learn支持Windows和Linux等操作系統(tǒng)。缺點是，GPU的效率不高。

　　8. Accord.NET

　　Accord.NET是用C#編寫的ML框架，專為構(gòu)建生產(chǎn)級計算機視覺、計算機試聽、信號處理和統(tǒng)計應(yīng)用程序而設(shè)計。它是一個文檔記錄良好的ML框架，可以輕松實現(xiàn)音頻和圖像處理。Accord.NET可用于數(shù)值優(yōu)化、人工神經(jīng)網(wǎng)絡(luò)和可視化。它支持Windows。

　　9. Spark MLlib

　　Apache Spark的MLIib是一個ML庫，可用于Java，Scala，Python和R語言。因為是專為處理大規(guī)模數(shù)據(jù)而設(shè)計的，所以此強大的庫具有許多算法和實用工具，如分類、回歸和聚類。該工具在Python和R庫中與NumPy交互操作。它可以輕松插入到Hadoop工作流程中。

　　10. Azure ML Studio

　　Azure ML Studio是面向數(shù)據(jù)科學(xué)家的現(xiàn)代云平臺。它可以用于在云中開發(fā)ML模型。 借助廣泛的建模選項和算法，Azure非常適合構(gòu)建較大的ML模型。此服務(wù)為每個帳戶提供10GB的存儲空間。它可以與R和Python程序一起使用。

　　11.Amazon Machine Learning

　　Amazon Machine Learning (AML) 是一個ML服務(wù)，提供用于創(chuàng)建ML模型的工具和向?qū)?。借助可視化輔助功能和易用的分析功能，AML旨在讓開發(fā)人員更方便地使用ML。AML可以連接到存儲在Amazon S3、Redshift或RDS中的數(shù)據(jù)。

　　機器學(xué)習(xí)框架具有易于理解和編碼的預(yù)構(gòu)建組件，因而一個好的ML框架能夠降低定義ML模型的復(fù)雜性。讓我們借助這些開源ML框架，幫助輕松快速地構(gòu)建ML模型。