8 个用于深度学习的开源工具

人工智能是一个正在迅速发展的领域,并日益成为一种主流。要想跟上人工智能技术的发展,最好的方法就是学习深度学习中的新技术。以下这 8 个开源工具,可以帮助你轻松实现深度学习。

1.TensorFlow

这个强大的工具包开发于 2015 年,被誉为机器/深度学习中最容易使用和部署的工具之一。

TensorFlow 最初是由谷歌大脑团队创建的,用于处理其研究和生产目标,该项目构建了深度神经网络来执行自然语言处理、图像识别和翻译等任务。由于它提供了大量的免费工具、库和社区资源,现在它的使用甚至被 Uber、Twitter 和 eBay 等公司广泛接受。

它可用于 Python、Haskell、C++、Java 甚至是 JavaScript。

2.Keras

Keras 由 Python 编写,最初发布于 2015 年,是一种高级神经网络 API,旨在简化机器学习和深度学习,可以在 TensorFlow 或 Theano 之上部署。

Keras 以其高度的广泛性、模块化、易用的特点,通过简单的原型设计实现了快速的实验,在 CPUGPU 上高效运行,这对研究工作至关重要。

3.PaddlePaddle

并行分布式深度学习,又称 PaddlePaddle具有易用、高效、灵活和可伸缩等特点

这是百度研发的深度学习平台,为百度内部多项产品提供深度学习算法支持。它在 2016 年向专业社区开源,具有深度学习的先进功能、端到端的开发工具包,受到制造业和农业部门的使用者青睐。

4.PyTorch

这个开源工具包使用 Python 脚本语言,一般用于 自然语言处理计算机视觉。它具有强大的 GPU、内存使用效率和动态计算图,这使得它在协助开发 动态神经网络方面很受欢迎,并能够根据用户的要求建立图形和可视化。

5.Theano

这个开源库发布于 2007 年,使用 Python 编写脚本,允许用户定义、定制和评估数学表达式,从而使深度学习模型的形成变得容易。由于它是最古老的可自由使用的库之一,它激发了深度学习的发展,导致了高效的符号微分(symbolic differentiation)。

6.Weka

Weka 最初是作为一个机器学习开源工具包开发的,它还具有深度学习包的功能,无论是在包管理、分类还是可视化方面,它都可以在一个简单的界面使用中进行更复杂的分析。它是一个 Java 应用程序,但可以通过应用编程接口用于 R 或 Python。因为它最初是为了一个教学平台而开发的,一般只限于教学工具或者小项目。

7.Caffe

Caffe(Convolutional Architecture for Fast Feature Embedding,意即快速特征嵌入的卷积架构)是一个开源的深度学习网络,是为速度、表达和模块化设计的。它使用了 C++,但也有一个 Python 接口。它由伯克利人工智能研究团队于 2017 年开发并发布,它有一个精心设计的架构,良好的代码编写和快速的性能,可以快速实现工业部署。

9.Torch

Torch 最初是在 2002 年作为机器学习库开发和发布的,它提供了一系列用于深度学习的算法,重点是 GPU,并提供 iOSAndroid 平台支持。它由脚本语言 LUA 和底层的 C 组件组成,使得它使用起来简单、高效、快速。

 

作者介绍:

Rancho Labs,科技爱好者自媒体,培养年轻人的思维,使他们在编程/机器人技术/人工智能领域站稳脚跟。

原文链接:

https://rancholabs.medium.com/open-source-tools-for-deep-learning-f4d68c2a39cd

本文文字及图片出自 InfoQ

你也许感兴趣的:

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注