【.com快译】人工智能在过去十年的快速增长刺激了当前市场对人工智能和机器学习技能的巨大需求。基于机器学习的创新目前正在应用于从金融到医疗保健的几乎所有行业。在本文中，我们将重点介绍用于人工智能和机器学习模型的5种工具及其各自的框架。每个工具或框架都附有简短的描述和功能介绍。1.Google的TensorFlowTensorFlow是一个开源编程库，最初由GoogleBrain团队的研究人员开发。TensorFlow用于数据流图和图形方面的数值计算。图中的节点与数字任务对话，而图边与它们之间传递的多维信息数组（张量）对话。这种自适应设计让您可以使用单个API将计算部署到工作区、服务器或手机中的至少一个CPU或GPU。TensorFlow提供了多种API。最基本的API：TensorFlowCore为您提供完全的编程控制。较大的API是基于TensorFlowCore的，学习和使用的要求通常没有TensorFlowCore高。此外，更高级别的API使冗余任务的要求更低，并且跨客户端更加可靠。链接：https://www.tensorflow.org/2.Caffe：一个专注于表达、速度和模块化的深度学习框架。Caffe是一种功能强大且众所周知的计算机视觉相关任务的决策工具。您可以从CaffeModel♂Zoo下载很多Caffe客户制作的高效模型，直接使用。它最初是由贾扬清在博士期间开发的。在加州大学伯克利分校，此后一直受到伯克利人工智能研究中心(BAIR)和网络赞助商的大力推动。它基本上以计算机视觉的卷积系统为中心。链接：http://caffe.berkeleyvision.org/3.Torch：开源机器学习库，逻辑处理框架，基于Lua编程语言的脚本语言。Torch为深度机器学习提供了广泛的算法。它使用脚本语言LuaJIT和基本的C/CUDA用法。它提供了一个自适应的N维数组或张量，支持索引、切片、转置、类型转换、调整大小、共享库存和克隆的基本例程。该工具甚至支持iOS、Windows、MacOSX、Linux和Android等主要平台。Torch被Facebook人工智能研究组织等大型财团使用。它已经在Android和iOS上可用。它已被用于构建数据流的硬件实现，例如在神经系统中。Facebook已经发布了一组扩展模块作为开源编程。PyTorch是一个开源机器学习库，广泛用于用Python编写的应用程序，例如自然语言处理。它主要由Facebook的AI研究机构创建，Uber的概率编程Pyro编程技术就是基于它。链接：http://torch.ch/4。Neuroph：一个用Java语言编写的面向对象的神经网络框架。Neuroph可用于训练和创建用Java程序编写的神经系统。它提供了一个Java类库，还提供了一个名为easyNeurons的GUI工具，用于制作和准备神经系统。Neuroph是一个轻量级的Java神经系统和框架，用于创建基本的神经系统模型。它包含一个精心策划的开源Java库，其中包含一些与基本NN概念相关的基本类。它还具有令人愉快的GUI神经网络编辑工具，用于快速制作Java神经网络段。它在Apache2.0许可下作为开源发布。Neuroph的中心类对应于基本的神经系统概念，例如人工神经元、神经元层、神经元连接、权重、交换作业、输入作业和学习指南。Neuroph支持基本的神经架构，例如具有反向传播的多层感知器、Kohonen和Hopfield系统。这些类中的每一个都可以扩展和重新设计，以构建自定义神经系统和制定学习规则。Neuroph致力于帮助图像识别。链接：http://neuroph.sourceforge.net/5.Deeplearning4j(DL4J)：据称是为Java和Scala构建的主要商业级开源分布式深度学习库。Deeplearning4j(DL4J)与Hadoop和Spark合并。DL4J旨在在分布式GPU和CPU上的商业环境中运行。Deeplearning4j的优势如下：Deeplearning4j旨在通过关注配置传统而非设计走在前沿，这允许非研究人员快速构建原型。大规模定制是可能的。DL4J可以通过Keras从大多数实用系统中导入神经网络模型，包括TensorFlow、Caffe和Theano，克服了Python生态系统与JVM、数据科学家和DevOps之间的差距。Keras用作Deeplearning4j的PythonAPI。链接：https://deeplearning4j.org/本文分析的几个库都非常高效，最终达到了高标准。Facebook、谷歌、雅虎、苹果和微软等大公司都在使用这些库进行深度学习和机器学习，那么你为什么不这样做呢？您能想到您经常使用的任何其他库吗？欢迎评论！原标题：5OpenSourceFrameworksForArtificialIntelligence&MachineLearningModels，作者：RashmiInglekh
