良好的ML框架降低了定義ML模型的復雜性。 使用這些開源ML框架，您可以輕松快速地構建ML模型。在過去十年中，人工智慧的迅速崛起刺激了當今就業市場對AI和ML技能的巨大需求。基于ML的技術現在幾乎用于所有垂直行業，從金融到醫療保健。在本文中，我編譯了一個可用于構建機器學習模型的最佳框架和庫的列表。
1. TensorFlow
TensorFlow由Google開發，是一個為深度學習或人工神經網絡而構建的開源軟件庫。使用TensorFlow，您可以使用流程圖創建神經網絡和計算模型。它是深度學習中維護最好，最受歡迎的開源庫之一。
TensorFlow框架以C ++和Python提供。其他類似的基于Python的深度學習框架包括Theano，Torch，Lasagne，Blocks，MXNet，PyTorch和Caffe。您可以使用TensorBoard輕松實現可視化并查看計算管道。其靈活的架構允許您輕松部署在不同類型的設備上。從消極方面來說，TensorFlow沒有符號循環，也不支持分布式學習。此外，它不支持Windows。
說起TensorFlow的應用，谷歌的AIY項目可以作為一個機器學習的案例來說了。AIY系列項目（全稱是Artificial Intelligence Yourself），鼓勵開發者們和愛動手的技術發燒友自己在家搭建AI小硬件。
2. Theano
Theano是一個專為深度學習而設計的Python庫。 使用該工具，您可以定義和評估數學表達式，包括多維數組。 該工具針對GPU進行了優化，具有與NumPy集成，動態C代碼生成和符號區分等功能。 但是，要獲得高級抽象，該工具必須與其他庫一起使用，例如Keras，Lasagne和Blocks。 該工具支持Linux，Mac OS X和Windows等平臺。
3. Torch
Torch是一種易于使用的ML算法開源計算框架。 該工具提供了高效的GPU支持，N維數組，數值優化例程，線性代數例程以及用于索引，切片和轉置的例程。 該工具基于一種名為Lua的腳本語言，具有大量預訓練模型。 這種靈活高效的ML研究工具支持Linux，Android，Mac OS X，iOS和Windows等主要平臺。
4. Caffe
Caffe是一款流行的深度學習工具，專為構建應用而設計。 由楊慶佳在博士期間創建的項目。 在加州大學伯克利分校，該工具具有良好的Matlab / C ++ / Python界面。 該工具允許您使用文本快速將神經網絡應用于問題，而無需編寫代碼。 Caffe部分支持多GPU培訓。 該工具支持Ubuntu，Mac OS X和Windows等操作系統。
5.微軟CNTK
Microsoft Cognitive Toolkit是最快的深度學習框架之一，支持C＃/ C ++ / Python接口。 開源框架帶有強大的C ++ API，比TensorFlow更快，更準確。 該工具還支持內置數據讀取器的分布式學習。 它支持諸如前饋，CNN，RNN，LSTM和序列到序列的算法。 該工具支持Windows和Linux。
6. Keras
Keras是用Python編寫的，它是一個開源庫，旨在簡化新DL模型的創建。 這種高級神經網絡API可以在TensorFlow，Microsoft CNTK等深度學習框架之上運行。該工具以其用戶友好性和模塊性而聞名，是快速原型設計的理想選擇。 該工具針對CPU和GPU進行了優化。
7. scikit-learn
scikit-learn是一個專為機器學習而設計的開源Python庫。 基于NumPy，SciPy和matplotlib等庫的工具可用于數據挖掘和數據分析。 scikit-learn配備了各種ML模型，包括線性和邏輯回歸量，SVM分類器和隨機森林。 該工具可用于多個ML任務，例如分類，回歸和聚類。 該工具支持Windows和Linux等操作系統。 在缺點方面，GPU的效率不高。
10. Azure ML Studio
Azure ML Studio是面向數據科學家的現代云平臺。 它可用于在云中開發ML模型。 Azure具有廣泛的建模選項和算法，是構建更大ML模型的理想選擇。 該服務為每個帳戶提供10GB的存儲空間。 它可以與R和Python程序一起使用。
11.亞馬遜機器學習
亞馬遜機器學習（AML）是一項ML服務，提供用于創建ML模型的工具和向導。 借助可視化輔助工具和易于使用的分析，AML旨在使開發人員更容易使用ML。 AML可以連接到存儲在Amazon S3，Redshift或RDS中的數據。
機器學習框架帶有易于理解和編碼的預構建組件。 因此，良好的ML框架降低了定義ML模型的復雜性。 使用這些開源ML框架，您可以輕松快速地構建ML模型。
1. TensorFlow
TensorFlow由Google開發，是一個為深度學習或人工神經網絡而構建的開源軟件庫。使用TensorFlow，您可以使用流程圖創建神經網絡和計算模型。它是深度學習中維護最好，最受歡迎的開源庫之一。
TensorFlow框架以C ++和Python提供。其他類似的基于Python的深度學習框架包括Theano，Torch，Lasagne，Blocks，MXNet，PyTorch和Caffe。您可以使用TensorBoard輕松實現可視化并查看計算管道。其靈活的架構允許您輕松部署在不同類型的設備上。從消極方面來說，TensorFlow沒有符號循環，也不支持分布式學習。此外，它不支持Windows。
說起TensorFlow的應用，谷歌的AIY項目可以作為一個機器學習的案例來說了。AIY系列項目（全稱是Artificial Intelligence Yourself），鼓勵開發者們和愛動手的技術發燒友自己在家搭建AI小硬件。
2. Theano
Theano是一個專為深度學習而設計的Python庫。 使用該工具，您可以定義和評估數學表達式，包括多維數組。 該工具針對GPU進行了優化，具有與NumPy集成，動態C代碼生成和符號區分等功能。 但是，要獲得高級抽象，該工具必須與其他庫一起使用，例如Keras，Lasagne和Blocks。 該工具支持Linux，Mac OS X和Windows等平臺。
3. Torch
Torch是一種易于使用的ML算法開源計算框架。 該工具提供了高效的GPU支持，N維數組，數值優化例程，線性代數例程以及用于索引，切片和轉置的例程。 該工具基于一種名為Lua的腳本語言，具有大量預訓練模型。 這種靈活高效的ML研究工具支持Linux，Android，Mac OS X，iOS和Windows等主要平臺。
4. Caffe
Caffe是一款流行的深度學習工具，專為構建應用而設計。 由楊慶佳在博士期間創建的項目。 在加州大學伯克利分校，該工具具有良好的Matlab / C ++ / Python界面。 該工具允許您使用文本快速將神經網絡應用于問題，而無需編寫代碼。 Caffe部分支持多GPU培訓。 該工具支持Ubuntu，Mac OS X和Windows等操作系統。
5.微軟CNTK
Microsoft Cognitive Toolkit是最快的深度學習框架之一，支持C＃/ C ++ / Python接口。 開源框架帶有強大的C ++ API，比TensorFlow更快，更準確。 該工具還支持內置數據讀取器的分布式學習。 它支持諸如前饋，CNN，RNN，LSTM和序列到序列的算法。 該工具支持Windows和Linux。
6. Keras
Keras是用Python編寫的，它是一個開源庫，旨在簡化新DL模型的創建。 這種高級神經網絡API可以在TensorFlow，Microsoft CNTK等深度學習框架之上運行。該工具以其用戶友好性和模塊性而聞名，是快速原型設計的理想選擇。 該工具針對CPU和GPU進行了優化。
7. scikit-learn
scikit-learn是一個專為機器學習而設計的開源Python庫。 基于NumPy，SciPy和matplotlib等庫的工具可用于數據挖掘和數據分析。 scikit-learn配備了各種ML模型，包括線性和邏輯回歸量，SVM分類器和隨機森林。 該工具可用于多個ML任務，例如分類，回歸和聚類。 該工具支持Windows和Linux等操作系統。 在缺點方面，GPU的效率不高。
10. Azure ML Studio
Azure ML Studio是面向數據科學家的現代云平臺。 它可用于在云中開發ML模型。 Azure具有廣泛的建模選項和算法，是構建更大ML模型的理想選擇。 該服務為每個帳戶提供10GB的存儲空間。 它可以與R和Python程序一起使用。
11.亞馬遜機器學習
亞馬遜機器學習（AML）是一項ML服務，提供用于創建ML模型的工具和向導。 借助可視化輔助工具和易于使用的分析，AML旨在使開發人員更容易使用ML。 AML可以連接到存儲在Amazon S3，Redshift或RDS中的數據。
機器學習框架帶有易于理解和編碼的預構建組件。 因此，良好的ML框架降低了定義ML模型的復雜性。 使用這些開源ML框架，您可以輕松快速地構建ML模型。
請按此登錄後留言。未成為會員? 立即註冊