|
機(jī)器學(xué)習(xí)毫無(wú)疑問是當(dāng)今最熱的話題,，它已經(jīng)滲透到生活的方方面面,，在移動(dòng)互聯(lián)網(wǎng)中混不懂點(diǎn)機(jī)器學(xué)習(xí)都不好意思，說(shuō)幾個(gè)能看的到的,，經(jīng)常用郵箱吧,，是不是感覺垃圾郵件比N年前變少了，無(wú)聊了和siri聊過(guò)天不,，想坐一下無(wú)人駕駛汽車嗎,，手累了用臉解個(gè)鎖,，智能化產(chǎn)品推薦是不是讓你更懶了,。看不到的就更多了：信用卡欺詐監(jiān)測(cè)保證你的交易安全,，股票交易/量化投資(知道你的高收益理財(cái)怎么來(lái)的嗎?),，手勢(shì)識(shí)別(用過(guò)海豚瀏覽器的手勢(shì)嗎)，還有醫(yī)學(xué)分析等等,，巨頭們?yōu)榱嗽谖磥?lái)占領(lǐng)先機(jī),，前仆后繼的開源他們的機(jī)器學(xué)習(xí)框架，加速了人類進(jìn)入智能時(shí)代的步伐(說(shuō)什么,，機(jī)器人?) Facebook：用于Torch的模塊庫(kù)fbcunn (2015-01-17 開源)fbcunn可以替代Torch的默認(rèn)模塊,，它們構(gòu)建在Nvidia的cuFFT庫(kù)(一個(gè)基于CUDA的庫(kù),，用于深度神經(jīng)網(wǎng)絡(luò))之上，可以在更短的時(shí)間內(nèi)訓(xùn)練更大規(guī)模的神經(jīng)網(wǎng)絡(luò)模型,，它對(duì)NVIDIA的GPU進(jìn)行了優(yōu)化,。一部分可以用來(lái)訓(xùn)練大型計(jì)算機(jī)視覺系統(tǒng)。部分模塊也可以用來(lái)訓(xùn)練處理不同類型數(shù)據(jù)的模型,。既可以進(jìn)行文本識(shí)別,、圖像識(shí)別，也能用于語(yǔ)言模型的訓(xùn)練,。部分模塊將大型卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練速度提升了23.5倍,。 fbcunn基于Fast Training of Convolutional Networks through FFTs這篇論文中的想法構(gòu)建了這些模塊，F(xiàn)AIR(Facebook人工智能實(shí)驗(yàn)室)的主任Yann LeCun是論文的合著者之一,。與cuDNN相比,，在卷積核較小的情況下(3×3)，fbcunn的速度提升可達(dá)1.84倍;而在卷積核較大的情況下(5×5),，速度提升可達(dá)23.5倍,。 Torch和fbcunn的最早的用途之一：圖片分類，它分類過(guò)ImageNet的120萬(wàn)張圖片,，可以參考這個(gè)地址：https://github.com/soumith/imagenet-multiGPU.torch 參考： > https://github.com/facebook/fbcunn https://research./blog/879898285375829/fair-open-sources-deep-learning-modules-for-torch/ 微軟：DMTK(2015-11-16 開源)DMTK由參數(shù)服務(wù)器和客戶端SDK兩部分構(gòu)成,。參數(shù)服務(wù)器支持存儲(chǔ)混合數(shù)據(jù)結(jié)構(gòu)模型、接受并聚合工作節(jié)點(diǎn)服務(wù)器的數(shù)據(jù)模型更新,、控制模型同步邏輯;客戶端SDK負(fù)責(zé)維護(hù)節(jié)點(diǎn)模型緩存(與全局模型服務(wù)器同步),、本地訓(xùn)練和模型通訊之間的流水線控制以及片狀調(diào)度大模型訓(xùn)練。它包含DMTK框架,、LightLDA和分布式詞向量(Word Embedding)三個(gè)組件,。 DMTK采用了傳統(tǒng)的客戶端/服務(wù)器架構(gòu)，有多個(gè)服務(wù)器實(shí)例運(yùn)行在多臺(tái)機(jī)器上負(fù)責(zé)維護(hù)全局模型參數(shù),，而訓(xùn)練例程(routines)則使用客戶端API訪問并更新這些參數(shù),。為了適應(yīng)不同的集群環(huán)境，DMTK框架支持兩種進(jìn)程間的通信機(jī)制：MPI和ZMQ,。應(yīng)用程序端不需要修改任何代碼就能夠在這兩種方式之間切換,。DMTK支持Windows和Linux兩種操作系統(tǒng)。 DMTK則是使用C++編寫的,，提供了一個(gè)客戶端API和SDK,。 DMTK的官網(wǎng) 對(duì)DMTK框架、LightLDA,、分布式詞向量的應(yīng)用場(chǎng)景,、下載、安裝,、配置,、運(yùn)行以及性能等方面都做了詳盡的介紹(見參考部分),。 DMTK主要用于自然語(yǔ)言處理方面，比如：文本分類與聚類,、話題識(shí)別以及情感分析等 參考： https://github.com/Microsoft/DMTK Google：TensorFlow(2015-11-10 開源)TensorFlow 是一個(gè)用來(lái)編寫和執(zhí)行機(jī)器學(xué)習(xí)算法的工具,。計(jì)算在數(shù)據(jù)流圖中完成，圖中的節(jié)點(diǎn)進(jìn)行數(shù)學(xué)運(yùn)算,，邊界是在各個(gè)節(jié)點(diǎn)中交換的張量(Tensors–多維數(shù)組),。TensorFlow負(fù)責(zé)在不同的設(shè)備、內(nèi)核以及線程上異步地執(zhí)行代碼,，目前支持CNN,、RNN和LSTM等圖像、語(yǔ)音和自然語(yǔ)言處理(NLP)領(lǐng)域最流行的深度神經(jīng)網(wǎng)絡(luò)模型,。 Google已將TensorFlow用于GMail(SmartReply),、搜索(RankBrain)、圖片(生成圖像分類模型–Inception Image Classification Model),、翻譯器(字符識(shí)別)等產(chǎn)品,。 TensorFlow能夠在臺(tái)式機(jī)、服務(wù)器或者移動(dòng)設(shè)備的CPU和GPU上運(yùn)行,，也可以使用Docker容器部署到云環(huán)境中,。在處理圖像識(shí)別、語(yǔ)音識(shí)別和語(yǔ)言翻譯等任務(wù)時(shí),，TensorFlow依賴于配備圖像處理單元(GPU)的機(jī)器和被用于渲染游戲圖像的芯片,，它對(duì)這些芯片依賴度比想象中的高。當(dāng)前開源的版本能夠運(yùn)行在單機(jī)上,，暫不支持集群,。操作系統(tǒng)方面，TensorFlow能夠運(yùn)行在Linux和MacOS上,。 TensorFlow的核心是使用C++編寫的,，有完整的Python API和C++接口，同時(shí)還有一個(gè)基于C的客戶端API,。 參考： https://github.com/tensorflow/tensorflow IBM：SystemML (2015-06 開源)SystemML是靈活的,，可伸縮機(jī)器學(xué)習(xí)(ML) 語(yǔ)言，使用Java編寫,?？蓪?shí)現(xiàn) 可定制算法(述性分析,、分類,、聚類、回歸,、矩陣分解及生存分析等),， 多個(gè)執(zhí)行模式(單獨(dú)運(yùn)行,、Hadoop 和 Spark )， 自動(dòng)優(yōu)化,。它由 IBM 的 Almaden 實(shí)驗(yàn)室花了近 10年開發(fā)而成的機(jī)器學(xué)習(xí)技術(shù),。 SystemML語(yǔ)言，聲明式機(jī)器學(xué)習(xí) (DML),。SystemML 包含線性代數(shù)原語(yǔ),，統(tǒng)計(jì)功能和 ML 指定結(jié)構(gòu)，可以更容易也更原生的表達(dá) ML 算法,。算法通過(guò) R 類型或者 Python 類型的語(yǔ)法進(jìn)行表達(dá),。DML 通過(guò)提供靈活的定制分析表達(dá)和獨(dú)立于底層輸入格式和物理數(shù)據(jù)表示的數(shù)據(jù)顯著提升數(shù)據(jù)科學(xué)的生產(chǎn)力。 SystemML 運(yùn)行環(huán)境支持 Windows,、Linux 及 MacOS,，可支持單機(jī)和分布式部署。單機(jī)部署顯然有利于本地開發(fā)的工作,，而分布式部署則可以真正發(fā)揮機(jī)器學(xué)習(xí)的威力,，支持的框架包括 Hadoop 和 Spark 眾所周知的IBM AIWaston融入了不少SystemML技術(shù)(不了解的同學(xué)可以看下《Jeopardy!》節(jié)目，來(lái)領(lǐng)教到沃森的威力) 參考： https://github.com/apache/incubator-systemml 三星：VELESVELES 是分布式深度學(xué)習(xí)應(yīng)用系統(tǒng),，號(hào)稱：用戶只需要提供參數(shù),，剩下的我來(lái)搞，VELES使用 Python 編寫,，使用OpenCL 或者 CUDA,，利用基于Flow 的編程方式。 參考： https://github.com/Samsung/veles 百度：期待ING,。,。。巨頭之所以開源自己耗時(shí)多年打造的機(jī)器學(xué)習(xí)框架,，是希望能夠加速在人工智能方面的部署,，在人工智能日益重要的未來(lái)?yè)屨几嗟闹鲗?dǎo)權(quán)。而對(duì)于機(jī)器人創(chuàng)業(yè)公司來(lái)說(shuō),，當(dāng)這么多巨頭將機(jī)器學(xué)習(xí)平臺(tái)開源后,，還有什么理由做不好機(jī)器人。 End.
轉(zhuǎn)載請(qǐng)注明來(lái)自36大數(shù)據(jù)（)：36大數(shù)據(jù) ? 最牛逼的開源機(jī)器學(xué)習(xí)框架,你知道幾個(gè) |
|
|
作者: 大白鯨團(tuán)隊(duì)
