人工智能（AI）已經(jīng)存在很長(zhǎng)時(shí)間了,。然而，由于這一領(lǐng)域的巨大進(jìn)步,，近年來(lái)它已成為一個(gè)流行語(yǔ),。人工智能曾經(jīng)被稱為一個(gè)完整的書 呆子和天才的領(lǐng)域，但由于各種開發(fā)庫(kù)和框架的發(fā)展,，它已經(jīng)成為一個(gè)友好的IT領(lǐng)域,，并有很多人正走進(jìn)它。

在這篇文章中,，我們將研究用于人工智能的優(yōu)質(zhì)庫(kù),，它們的優(yōu)缺點(diǎn)以及它們的一些特征。讓我們深入并探索這些人工智能庫(kù)的世界,！

1. TensorFlow

“使用數(shù)據(jù)流圖表的可伸縮機(jī)器學(xué)習(xí)的計(jì)算”

語(yǔ)言：C ++或Python,。

當(dāng)進(jìn)入AI時(shí)，你會(huì)聽到的第一個(gè)框架之一就是Google的TensorFlow,。

TensorFlow是一個(gè)使用數(shù)據(jù)流圖表進(jìn)行數(shù)值計(jì)算的開源軟件,。這個(gè)框架被稱為具有允許在任何CPU或GPU上進(jìn)行計(jì)算的架構(gòu)，無(wú)論是臺(tái)式機(jī) ,、服務(wù)器還是移動(dòng)設(shè)備,。這個(gè)框架在Python編程語(yǔ)言中是可用的。

TensorFlow對(duì)稱為節(jié)點(diǎn)的數(shù)據(jù)層進(jìn)行排序,，并根據(jù)所獲得的任何信息做出決定,。點(diǎn)擊查看詳情！

優(yōu)點(diǎn)：

使用易于學(xué)習(xí)的語(yǔ)言（Python）,。

使用計(jì)算圖表抽象,。

用于TensorBoard的可用性的可視化。

缺點(diǎn)：

這很慢,，因?yàn)镻ython不是語(yǔ)言中最快的,。

缺乏許多預(yù)先訓(xùn)練的模型,。

不完全開源。

2. Microsoft CNTK

“開源深度學(xué)習(xí)工具包”

語(yǔ)言：C ++,。

我們可以稱之為微軟對(duì)Google的TensorFlow的回應(yīng),。

微軟的計(jì)算網(wǎng)絡(luò)工具包是一個(gè)增強(qiáng)分離計(jì)算網(wǎng)絡(luò)模塊化和維護(hù)的庫(kù)，提供學(xué)習(xí)算法和模型描述,。

在需要大量服務(wù)器進(jìn)行操作的情況下,，CNTK可以同時(shí)利用多臺(tái)服務(wù)器。

據(jù)說(shuō)它的功能與Google的TensorFlow相近,；但是,，它會(huì)更快,。在這里 了解更多,。

優(yōu)點(diǎn)：

這是非常靈活的。

允許分布式訓(xùn)練,。

支持C ++,、C＃、Java和Python,。

缺點(diǎn)：

它以一種新的語(yǔ)言——網(wǎng)絡(luò)描述語(yǔ)言（Network Description Language , NDL）來(lái)實(shí)現(xiàn),。

缺乏可視化。

3. Theano

“數(shù)值計(jì)算庫(kù)”

語(yǔ)言：Python,。

Theano是TensorFlow的強(qiáng)有力競(jìng)爭(zhēng)者,，是一個(gè)功能強(qiáng)大的Python庫(kù)，允許以高效率的方式進(jìn)行涉及多維數(shù)組的數(shù)值操作,。

Theano庫(kù)透明地使用GPU來(lái)執(zhí)行數(shù)據(jù)密集型計(jì)算而不是CPU,，因此操作效率很高。

出于這個(gè)原因,，Theano已經(jīng)被用于為大規(guī)模的計(jì)算密集型操作提供動(dòng)力大約十年,。

然而，在2017年9月,，宣布Theano的主要開發(fā)將于2017年11月發(fā)布的1.0版本后停止,。

這并不意味著它是一個(gè)不夠強(qiáng)大的庫(kù)。你仍然可以隨時(shí)進(jìn)行深入的學(xué)習(xí)研究,。在這里了解更多,。

Theano

data-intensive computations

優(yōu)點(diǎn)：

正確優(yōu)化CPU和GPU。

有效的數(shù)字任務(wù),。

缺點(diǎn)：

與其他庫(kù)相比,，原生Theano有點(diǎn)低級(jí)。

需要與其他庫(kù)一起使用以獲得高度的抽象化,。

AWS上有點(diǎn)bug,。

4. Caffe

“快速,、開源的深度學(xué)習(xí)框架”

語(yǔ)言：C ++。

Caffe是一個(gè)強(qiáng)大的深度學(xué)習(xí)框架,。

像這個(gè)清單上的其他框架一樣,，深度學(xué)習(xí)的研究速度非常快,。

借助Caffe,，您可以非常輕松地構(gòu)建用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)（CNN）。Caffe在GPU上運(yùn)行良好,，這有助于在運(yùn)行期間提高速度。查看主頁(yè)獲取更多信息,。

Caffe主要的類有：

main classes

優(yōu)點(diǎn)：

Python和MATLAB的綁定可用,。

性能表現(xiàn)良好。

無(wú)需編寫代碼即可進(jìn)行模型的訓(xùn)練,。

缺點(diǎn)：

對(duì)于經(jīng)常性網(wǎng)絡(luò)不太好,。

新體系結(jié)構(gòu)不太好。

5. Keras

“人類的深度學(xué)習(xí)”

語(yǔ)言：Python,。

Keras是一個(gè)用Python編寫的開源的神經(jīng)網(wǎng)絡(luò)庫(kù),。

與TensorFlow、CNTK和Theano不同,，Keras不是一個(gè)端到端的機(jī)器學(xué)習(xí)框架,。

相反，它作為一個(gè)接口,，提供了一個(gè)高層次的抽象化,，這使得無(wú)論它坐落在哪個(gè)框架上，神經(jīng)網(wǎng)絡(luò)的配置都會(huì)變得容易,。

谷歌的TensorFlow目前支持Keras作為后端,，而微軟的CNTK也會(huì)在很短的時(shí)間內(nèi)做到這一點(diǎn)。在這里了解更多,。

優(yōu)點(diǎn)：

它是用戶友好的,。

它很容易擴(kuò)展。

在CPU和GPU上無(wú)縫運(yùn)行,。

與Theano和TensorFlow無(wú)縫工作,。

缺點(diǎn)：

不能有效地用作獨(dú)立的框架。

6. Torch

“一個(gè)開源的機(jī)器學(xué)習(xí)庫(kù)”

語(yǔ)言：C,。

Torch是一個(gè)用于科學(xué)和數(shù)字操作的開源機(jī)器學(xué)習(xí)庫(kù),。

這是一個(gè)基于Lua編程語(yǔ)言而非Python的庫(kù)。

Torch通過(guò)提供大量的算法，使得深度學(xué)習(xí)研究更容易,，并且提高了效率和速度,。它有一個(gè)強(qiáng)大的N維數(shù)組，這有助于切片和索引等操作,。 它還提供了線性代數(shù)程序和神經(jīng)網(wǎng)絡(luò)模型,。點(diǎn)擊查看詳情！

優(yōu)點(diǎn)：

非常靈活,。

高水平的速度和效率,。

大量的預(yù)訓(xùn)練模型可用。

缺點(diǎn)：

不清楚的文獻(xiàn)記錄,。

缺乏即時(shí)使用的即插即用代碼,。

它基于一種不那么流行的語(yǔ)言——Lua。

7. Accord.NET

“機(jī)器學(xué)習(xí),、計(jì)算機(jī)視覺(jué),、統(tǒng)計(jì)和.NET通用科學(xué)計(jì)算”

語(yǔ)言：C＃。

這是專為C＃程序員設(shè)計(jì)的,。

Accord.NET框架是一個(gè).NET機(jī)器學(xué)習(xí)框架,，使音頻和圖像處理變得簡(jiǎn)單,。

這個(gè)框架可以有效地處理數(shù)值優(yōu)化,、人工神經(jīng)網(wǎng)絡(luò)，甚至可視化,。除此之外,，Accord.NET對(duì)計(jì)算機(jī)視覺(jué)和信號(hào)處理的功能非常強(qiáng)大，同時(shí) 也使得算法的實(shí)現(xiàn)變得簡(jiǎn)單,。檢查主頁(yè)面,。

優(yōu)點(diǎn)：

它有一個(gè)強(qiáng)大而積極的開發(fā)團(tuán)隊(duì)。

非常有據(jù)可查的框架,。

質(zhì)量可視化,。

缺點(diǎn)：

不是一個(gè)非常流行的框架。

比TensorFlow慢,。

8. Spark MLlib

“可擴(kuò)展的機(jī)器學(xué)習(xí)庫(kù)”

語(yǔ)言：Scala,。

Apache的Spark MLlib是一個(gè)非常可擴(kuò)展的機(jī)器學(xué)習(xí)庫(kù),。

它非常適用于諸如Java,、Scala、Python,，甚至R等語(yǔ)言,。它非常高效，因?yàn)樗梢耘cPython庫(kù)和R庫(kù)中的numpy進(jìn)行互操作,。

MLlib可以輕松插入到Hadoop工作流程中,。它提供了機(jī)器學(xué)習(xí)算法,，如分類、回歸和聚類,。

這個(gè)強(qiáng)大的庫(kù)在處理大型數(shù)據(jù)時(shí)非?？焖佟?/p>

優(yōu)點(diǎn)：

對(duì)于大規(guī)模數(shù)據(jù)處理非?？焖?。

提供多種語(yǔ)言。

缺點(diǎn)：

陡峭的學(xué)習(xí)曲線,。

即插即用僅適用于Hadoop,。

9. Sci-kit Learn

“用Python的機(jī)器學(xué)習(xí)”

語(yǔ)言：Python。

Sci-kit learn是一個(gè)非常強(qiáng)大的機(jī)器學(xué)習(xí)Python庫(kù),，主要用于構(gòu)建模型,。

使用numpy、SciPy和matplotlib等其他庫(kù)構(gòu)建,，對(duì)統(tǒng)計(jì)建模技術(shù)（如分類,、回歸和聚類）非常有效。

Sci-kit learn帶有監(jiān)督學(xué)習(xí)算法,、無(wú)監(jiān)督學(xué)習(xí)算法和交叉驗(yàn)證等功能,。點(diǎn)擊查 看詳情！

優(yōu)點(diǎn)：

許多主要算法的可用性,。

有效的數(shù)據(jù)挖掘,。

缺點(diǎn)：

不是構(gòu)建模型的最佳選擇。

GPU效率不高,。

10. MLPack

“可擴(kuò)展的C ++機(jī)器學(xué)習(xí)庫(kù)”

語(yǔ)言：C ++,。

MLPack是一個(gè)用C ++實(shí)現(xiàn)的可擴(kuò)展的機(jī)器學(xué)習(xí)庫(kù)。因?yàn)樗怯肅 ++編寫的,，所以你可以猜測(cè)它對(duì)于內(nèi)存管理是非常好的,。

MLPack以極高的速度運(yùn)行，因?yàn)楦哔|(zhì)量的機(jī)器學(xué)習(xí)算法與庫(kù)一起出現(xiàn),。這個(gè)庫(kù)是對(duì)新手友好的,，并提供了一個(gè)簡(jiǎn)單的API使用。點(diǎn)擊查看詳情,！

優(yōu)點(diǎn)：

非?？蓴U(kuò)展。

Python和C ++綁定可用,。 

缺點(diǎn)：

不是最好的文獻(xiàn)記錄,。