8 個用於深度學習的開源工具

語言: CN / TW / HK

人工智慧是一個正在迅速發展的領域,並日益成為一種主流。要想跟上人工智慧技術的發展,最好的方法就是學習深度學習中的新技術。以下這 8 個開源工具,可以幫助你輕鬆實現深度學習。

1.TensorFlow

這個強大的工具包開發於 2015 年,被譽為機器/深度學習中最容易使用和部署的工具之一。

TensorFlow 最初是由谷歌大腦團隊建立的,用於處理其研究和生產目標,該專案構建了深度神經網路來執行自然語言處理、影象識別和翻譯等任務。由於它提供了大量的免費工具、庫和社群資源,現在它的使用甚至被 Uber、Twitter 和 eBay 等公司廣泛接受。

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

2.Keras

Keras 由 Python 編寫,最初發佈於 2015 年,是一種高階神經網路 API ,旨在簡化機器學習和深度學習,可以在 TensorFlow 或 Theano 之上部署。

Keras 以其高度的廣泛性、模組化、易用的特點,通過簡單的原型設計實現了快速的實驗,在 CPUGPU 上高效執行,這對研究工作至關重要。

3.PaddlePaddle

並行分散式深度學習,又稱 PaddlePaddle 具有易用、高效、靈活和可伸縮等特點

這是百度研發的深度學習平臺,為百度內部多項產品提供深度學習演算法支援。 它在 2016 年向專業社群開源,具有深度學習的先進功能、端到端的開發工具包,受到製造業和農業部門的使用者青睞。

4.PyTorch

這個開源工具包 使用 Python 指令碼語言,一般用於 自然語言處理計算機視覺 。它具有強大的 GPU、記憶體使用效率和動態計算圖,這使得它在協助開發 動態神經網路 方面很受歡迎,並能夠根據使用者的要求建立圖形和視覺化。

5.Theano

這個開源庫 釋出於 2007 年,使用 Python 編寫指令碼,允許使用者定義、定製和評估數學表示式,從而使深度學習模型的形成變得容易。由於它是最古老的可自由使用的庫之一,它激發了深度學習的發展,導致了高效的 符號微分 (symbolic differentiation)。

6.Weka

Weka 最初是作為一個機器學習開源工具包開發的,它還具有深度學習包的功能,無論是在包管理、分類還是視覺化方面,它都可以在一個簡單的介面使用中進行更復雜的分析。它是一個 Java 應用程式,但可以通過 應用程式設計介面 用於 R 或 Python。因為它最初是為了一個教學平臺而開發的,一般只限於教學工具或者小專案。

7.Caffe

Caffe (Convolutional Architecture for Fast Feature Embedding,意即快速特徵嵌入的卷積架構)是一個開源的深度學習網路,是為速度、表達和模組化設計的。它使用了 C++ ,但也有一個 Python 介面。它由伯克利人工智慧研究團隊於 2017 年開發併發布,它有一個精心設計的架構,良好的程式碼編寫和快速的效能,可以快速實現工業部署。

9.Torch

Torch 最初是在 2002 年作為機器學習庫開發和釋出的,它提供了一系列用於深度學習的演算法,重點是 GPU,並提供 iOSAndroid 平臺支援。它由指令碼語言 LUA 和底層的 C 元件組成,使得它使用起來簡單、高效、快速。

作者介紹:

Rancho Labs,科技愛好者自媒體,培養年輕人的思維,使他們在程式設計/機器人技術/人工智慧領域站穩腳跟。

原文連結:

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