流行的十四个机器学习编程语言框架和工具

编译作者: 布加迪 2019-02-27 08:00:00

流行的十四个机器学习编程语言框架和工具

【51CTO.com快译】如果你想知道哪些不断壮大的编程语言库和工具是实现机器学习模型的不错选择,那么随时可以获得帮助。

O'Reilly的一项新调查发现,主要从事技术、金融和医疗保健行业的1300多人透露了他们在公司使用的机器学习技术。

本文介绍了面向数据科学界宠儿Python的软件框架和库、大数据平台以及处理机器学习管道每个阶段的基于云的服务。

说到使用机器学习或报告所称的AI,大多数公司仍处于评估阶段,实施的最常用工具是用于“模型可视化”和“自动模型搜索和超参数调整”的工具。

不出所料,一种最常见的机器学习是监督学习,即使用大量的标记数据来训练机器学习模型。比如说,负责找出视频中人员的计算机视觉模型可以拿注释的图像加以训练,以表明图像中有没有人。

流行的十四个机器学习编程语言框架和工具

图片来源:O'Reilly

以下是公司企业声称用于机器学习的库、框架、大数据平台和云服务。

软件库和框架

1.TensorFlow

谷歌广泛使用的机器学习框架,旨在处理训练机器学习模型时所需要的数值计算,能够在CPU、GPU和专用芯片(比如谷歌的张量处理单元即TPU)之间划分计算任务。

2.scikit-learn

用于数据挖掘和数据分析的一种流行Python库,使用了众多机器学习算法。

3.Pytorch

一种开源深度学习框架,学起来比TensorFlow等与之竞争的框架更容易,旨在用于机器学习管道的每个阶段。

4.Keras

这种深度学习框架用于处理神经网络(支持深度学习的受大脑启发的数学模型),旨在比与之竞争的框架更易于使用。

Keras用Python编写,它能够在TensorFlow、微软认知工具包(CNTK)和Python库Theano上运行。

云套件

5.微软Azure ML Studio

这套服务旨在帮助公司在微软的Azure云上以及靠近网络边缘的计算设备上构建、训练和部署机器学习模型。工具有助于使识别和调整适当的机器学习模型这个过程实现自动化,并有助于扩展底层计算以满足需求。

6.谷歌云机器学习引擎

与Azure ML Studio相似,谷歌云机器学习引擎也提供了用于训练、评估、调整和部署机器学习模型的工具。

7.亚马逊SageMaker

亚马逊SageMaker同样提供了用于构建、训练和部署机器学习模型的服务,以便能够以更低的成本更快地将模型部署到生产环境。

大数据平台工具

8.H20

这是一种开源内存中平台,可以跨分布式系统扩展机器学习工作负载。

该平台旨在支持使用最广泛的统计和机器学习算法,并提供一定程度的自动化,以帮助数据科学家识别和调整适当的机器学习模型。

9.Prodigy

Prodigy旨在简化训练和评估机器学习模型的过程,这种工具可帮助数据科学家适当地标注训练数据集。

10.Spark NLP

Spark NLP提供了一个自然语言处理(NLP)库,旨在处理运行内存中大数据平台Apache Spark的分布式系统。

11.OpenAI Gym

这种工具包用于开发和比较强化学习算法,强化学习是一种机器学习,其中软件代理通过因导致期望结果的动作而受到奖励来学习如何执行任务。

12.Analytics Zoo

Analytics Zoo将一系列大数据和机器学习技术整合到它所说的统一分析和AI平台中。

该平台整合了Spark、TensorFlow、Keras和深度学习库BigDL,可以跨分布式Hadoop和Spark集群扩展机器学习模型,用于训练和推理。

13.AllenNLP

旨在简化设计和评估解决自然语言处理问题的新深度学习模型这个过程。

该库包括面向核心NLP问题和NLP应用的高质量模型的参考实现。

14.Rise Lab Ray

这种框架用于跨分布式系统运行机器学习模型,提供高性能和容错性,同时仍具有可扩展性。

原文标题:Most popular programming language frameworks and tools for machine learning,作者:Nick Heath

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

机器学习 编程语言 框架
上一篇:百度首发人工智能家庭影院 软硬件一体化生态见雏形 下一篇:2019汽车人工智能计算技术及市场趋势
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

开发板能这么用?美国学者用Jetson Nano支持假肢,控制每一根手指

在一篇新论文中,来自明尼苏达大学等机构的研究者提出了一种基于嵌入式深度学习控制的神经假肢实现。

佚名 ·  2天前
机器学习如何影响系统设计:Learned Index Structures浅析

本文简要介绍了Learned Index Structures的实现和优缺点,希望可以给大家带来一些系统设计的启发和思路。

作者Victor ·  2天前
吴恩达的二八定律:80%的数据+20%的模型=更好的机器学习

一个机器学习团队80%的工作应该放在数据准备上,确保数据质量是最重要的工作,每个人都知道应该如此做,但没人在乎。

新智元 ·  3天前
机器学习在铁路缺陷检测中的实际应用

本文介绍了在铁轨的超声波检测过程中有效使用机器学习技术自动检测缺陷的经验,并提出了一种使用数学建模为神经网络创建训练数据集的有效方法,为实际缺陷图的识别提供了更高精度的指标。文中训练神经网络运算的原型实例,其实际缺陷图的预测精度高达92%。

李睿 ·  3天前
人工智能进军“古玩鉴定”,人类职业再遭冲击?

近两年,人工智能的风头虽然偶被5G、自动驾驶等所盖过,但其发展和热度并未因此受到影响。

林中易木 ·  3天前
机器学习概述

机器学习(Machine Learning)这个术语常常掩盖了它的计算机科学性质,因为它的名字可能暗示机器正在像人类一样学习,甚至做得更好。尽管我们希望有一天机器能够像人类一样思考和学习,但如今机器学习并不能超越执行预定义过程的计算机程序。

追求源于热爱i ·  3天前
为什么机器学习胜过人工智能?

人工智能、数据科学和机器学习都属于同一个领域。问题是,在这种情况下,它们中的哪一个能达到正确的目的。

Cassie ·  3天前
启动机器学习/深度学习项目的八种方法

从探索性的数据分析到自动机器学习(AutoML),组织需要使用这些技术来推动其数据科学项目发展,并建立更好的模型。

李睿 ·  4天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载