推薦這十個用于機(jī)器學(xué)習(xí)的優(yōu)秀軟件，可用于運(yùn)行ML代碼

在本文中，我們將研究用于機(jī)器學(xué)習(xí)的優(yōu)秀軟件。這些軟件非常適合運(yùn)行您的ML代碼。行業(yè)中有無數(shù)的軟件和工具。我們將在學(xué)習(xí)者和專業(yè)技術(shù)人員中尋找比較受歡迎的。它將為您提供有關(guān)機(jī)器學(xué)習(xí)軟件和工具的所有信息。

機(jī)器學(xué)習(xí)軟件

這些是十大機(jī)器學(xué)習(xí)軟件：

Apache Mahout

TensorFlow

Apache Singa

Amazon Machine Learning （AML）

Accord.NET

Shogun

Google Cloud ML Engine

PyTorch

Keras

H2O.ai

現(xiàn)在，讓我們詳細(xì)討論每個機(jī)器學(xué)習(xí)軟件。

1. TensorFlow

Tensorflow是機(jī)器學(xué)習(xí)的免費(fèi)開源工具。它是一個基于云的平臺，允許用戶創(chuàng)建和運(yùn)行ML算法或模型?；旧希琓ensorflow是Google的產(chǎn)品。它也是一個計算框架，有助于構(gòu)建大規(guī)模ML模型。它使用python作為前端API，以在框架中創(chuàng)建應(yīng)用程序。這些應(yīng)用程序在高級C ++中執(zhí)行。

它用于圖像識別，手寫分類，遞歸神經(jīng)網(wǎng)絡(luò)等。Tensorflow可以在CPU和GPU上平穩(wěn)運(yùn)行。它提供了良好的庫來防止長時間編碼。

2. Apache Mahout

Mahout是一個在后臺使用Hadoop的數(shù)據(jù)挖掘框架。它可以使用Hadoop處理和管理大量數(shù)據(jù)。Mahout是Apache的框架。它主要包括矩陣和向量庫，有助于執(zhí)行復(fù)雜的計算。

它通過提供可擴(kuò)展的Scala DSL執(zhí)行深度學(xué)習(xí)計算。Apache Mahout還提供了分布式線性代數(shù)框架。有很多著名的公司都在使用Apache Mahout。Twitter中的用戶興趣選擇使用Mahout。它是全球機(jī)器學(xué)習(xí)項目中使用最廣泛的機(jī)器學(xué)習(xí)軟件之一。Apache Mahout將大數(shù)據(jù)轉(zhuǎn)化為有用的信息。這是一種快速而有效地提高業(yè)務(wù)能力的方法。

3. Apache Singa

Apache Singa是新加坡國立大學(xué)開發(fā)的。Apache Singa是一個ML庫，也是Apache的一個項目。創(chuàng)建它是為了在一個機(jī)器集群上訓(xùn)練大型ML模型。該機(jī)器學(xué)習(xí)軟件廣泛應(yīng)用于神經(jīng)語言處理和圖像識別。它在硬件設(shè)備上運(yùn)行時提供設(shè)備抽象。它為訓(xùn)練模型提供了一個非常靈活的體系結(jié)構(gòu)。

還有很多像Singa-lite和Singa-easy這樣的附加項目。Singa-lite將在5G設(shè)備上實現(xiàn)深度學(xué)習(xí)。Singa-easy是讓具有較弱AI知識的領(lǐng)域?qū)＜腋菀资褂肁I。

它包含特殊工具。他們可以對數(shù)據(jù)和文件執(zhí)行讀，寫，編碼和解碼操作。它包含三個組件：

IO

核心

模型

4.AML（亞馬遜機(jī)器學(xué)習(xí)）

AML是Amazon的基于云的平臺。它提供了各種向?qū)Ш涂梢暬ぞ?。Amazon Machine Learning在預(yù)測中被廣泛使用。它允許用戶從MySQL，Amazon Redshift等創(chuàng)建和使用數(shù)據(jù)。Amazon SageMaker是Amazon提供的服務(wù)。此外，Amazon還提供數(shù)據(jù)安全性和存儲。Amazon Glacier S3提供了存儲空間和出色的耐用性。Amazon Redshift用于提供非?？焖俚姆治觥?/p>

Amazon ML服務(wù)還提供學(xué)習(xí)工具。其中兩個是DeepRacer和DeepLens。DeepRacer有助于實際學(xué)習(xí)強(qiáng)化學(xué)習(xí)。DeepLens是一款用于深度學(xué)習(xí)的攝像機(jī)。它可用于創(chuàng)建，訓(xùn)練和部署任意規(guī)模的ML模型。AML通常支持三種模型：

多層次分類

二元分類

回歸

5. Accord.NET

Accord.NET是一個.NET機(jī)器學(xué)習(xí)框架。它是AForge.NET的擴(kuò)展。它提供了以C#語言編寫的有關(guān)圖像和音頻處理的庫。Accord.Net可以用于圖像拼接，全景圖像創(chuàng)建等。

它可以通過特征提取來融合兩張圖片。該機(jī)器學(xué)習(xí)軟件需要熟練的技術(shù)人員來進(jìn)行操作。它可以在Windows，Xamarin，Unity3D等平臺上運(yùn)行。

6.Shogun

Shogun是一個很好的平臺，為ML問題提供了出色的庫和算法。它是用C ++語言編寫的。Shogun是一種機(jī)器學(xué)習(xí)軟件，提供R，Python，JAVA，Ruby等接口，這在專業(yè)技術(shù)人員中并不是很流行。它為易于管理的算法提供了API。該機(jī)器學(xué)習(xí)軟件還有助于連接其他庫，例如LibLinear，SVMLight等。其主要目標(biāo)是回歸和分類。Shogun能夠處理大量數(shù)據(jù)。

7. Google Cloud ML Engine

Google Cloud ML Engine這個平臺有助于處理復(fù)雜的算法和大數(shù)據(jù)。Google為ML應(yīng)用開發(fā)人員和數(shù)據(jù)科學(xué)家提供了基于云的平臺，以訓(xùn)練和運(yùn)行他們的模型。公司和企業(yè)通常使用它來更快地響應(yīng)客戶的電子郵件，該機(jī)器學(xué)習(xí)軟件有助于訓(xùn)練復(fù)雜的模型，您也可以使用GCP控制臺，它為您的ML項目提供合適的用戶界面。

Google Cloud ML Engine幾乎支持深度學(xué)習(xí)和ML中使用的所有工具。因此，這對學(xué)生和專業(yè)技術(shù)人員都非常有幫助。

8. PyTorch

Pytorch是Facebook開發(fā)的平臺，它為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)提供了一個很好的框架，這對于構(gòu)建，測試和運(yùn)行自己的研究原型非常有用，PyTorch還促進(jìn)分布式訓(xùn)練，這意味著您可以進(jìn)行并行工作，Pytorch一次可以訪問多個GPU，這使得它可以在更短的時間內(nèi)獲得大量輸入。

有很多PyTorch的例子，比較著名的是Uber的概率編程語言，它完全基于PyTorch構(gòu)建。其他示例是時間序列預(yù)測器，圖像分類器，最好的部分是它還提供了動態(tài)計算圖，這意味著它將告訴您神經(jīng)網(wǎng)絡(luò)模型需要多少內(nèi)存，它提供可以在代碼中使用的庫。PyTorch可以執(zhí)行像NumPy這樣的數(shù)學(xué)操作。

9.Keras

Keras是一個開源的神經(jīng)網(wǎng)絡(luò)庫。它是用python編寫的，并且可以在TensorFlow，CNTK和Theano等其他高級軟件之上運(yùn)行，該機(jī)器學(xué)習(xí)軟件有助于快速試驗各種模型和算法，它還為CNN（卷積神經(jīng)網(wǎng)絡(luò)）和循環(huán)網(wǎng)絡(luò)提供支持，Keras模型主要基于順序模型和功能性API，人們相信這是制造神經(jīng)網(wǎng)絡(luò)的未來，Keras允許您在不同的后端上運(yùn)行相同的代碼，這就是為什么Keras如此被愛的原因。

Keras是為人類設(shè)計的API，它從用戶體驗中學(xué)習(xí)，Keras在后端處理所有底層API，例如計算圖，張量等。高級API處理我們創(chuàng)建模型的方式，它定義層，它設(shè)置各種I / O模型。Keras的核心工作是使事情變得簡單，同時讓用戶對其進(jìn)行完全控制。

10. H2O.ai

H2O.ai是一家旨在使ML對每個人來說都更容易的公司，他們提供各種ML產(chǎn)品，例如H2O，sparkling water，Deepwater，steam和driverless AI，H2O允許用戶在Python，R和其他工具之間切換，這樣就可以為項目使用優(yōu)秀工具。H2O還提供了稱為flow的前端工具。Flow可幫助您處理數(shù)據(jù)集并對其進(jìn)行處理。H2O具有H2O-3，H2O4GPU等平臺和版本。它們?yōu)榫矸e神經(jīng)網(wǎng)絡(luò)和遞歸網(wǎng)絡(luò)提供支持。

總結(jié)

在本文中我們了解了機(jī)器學(xué)習(xí)軟件中一些比較常用的軟件、平臺還有庫，我們還學(xué)習(xí)了支持各種模型的軟件，我們還研究了幫助建模和快速原型的軟件。我希望本文對您有所幫助。
責(zé)編AJX