靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

語言: CN / TW / HK

開源的人工智慧專案並不總是得到很多宣傳,但它們在人工智慧的發展中起著至關重要的作用。因為這些開源專案經常被開發者作為激發靈感的專案來上手,所以這些進步是創造性的,特別具有前瞻性。

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

這些開源人工智慧專案通常不受企業開發環境的限制,可以夢想成真——並且通常會帶來突破性的機器學習和人工智慧進步。同樣重要的是:這些領先的開源人工智慧專案的進步推動了更大的人工智慧領域的進步。

如果你知道其他頂級開源人工智慧工具應該在這個列表中,請在文末留言與我們分享。

1、PyTorch

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

PyTorch 具備領先的開源人工智慧專案的所有元素。它側重於機器學習,可以說是新興技術發展階段人工智慧最受歡迎的應用。更重要的是,開發者和AI工程師可以在頂級雲端計算平臺上搭建 PyTorchAWS 上的 PyTorch 和 Azure 上的 PyTorch 都是可行的,Google Cloud 和阿里巴巴也是可行的。PyTorch 提供了神經網路,這是人工智慧發展的一個基本要素。

2、Open Neural Network Exchange

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

由微軟和臉書開發的 Open Neural Network Exchange(開放式神經網路交換)提供了一些非常強大的工具,尤其是將完全開發的神經網路模型(在系統中花費了大量時間進行訓練)回收到各種其他系統中的能力。本質上,開放神經網路交換通過支援這種移植極大地擴充套件了現有模型的有用性。預計 ONNX 在未來幾年將變得越來越受歡迎。

3、IBM AI Fairness 360

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

人工智慧演算法中的偏差問題越來越受到關注,AI Fairness 360是解決這一問題的開源解決方案。該工具提供了演算法,使開發人員能夠掃描最大似然模型,以找到任何潛在的偏見,這是打擊偏見的一個重要部分,當然也是一項複雜的任務。重要的是,人工智慧公平性允許人工智慧工程師在整個開發生命週期中探索演算法。該工具可以設定為自動工作。該工具的基礎是一個檢查相關性的架構;這種相關性是否創造了一種暗示有害刻板印象的預測?

4、Keras

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

Keras 在人工智慧開源專案的世界中是罕見的:它把自己宣傳為“一個為人類而設計的應用程式設計介面,而不是機器。”作為一個 Python 深度學習 API,Keras 可以與像 Antao 和微軟 Cognitive Toolkit 這樣的高知名度人工智慧專案進行互操作。開發人員和人工智慧工程師將其用作一個 ML 庫,以相對容易的方式構建原型。同時也有助於其易於部署,Keras 可以在混合處理器硬體上執行。

5、Accord.NET

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

顧名思義,Accord.NET 使用. NET 框架。這是一個 . NET ML 學習框架,提供用 C# 編碼的影象和音訊庫。它具有前瞻性,因為它為開發商業級應用程式提供了一個平臺,包括面向訊號處理的應用程式、視聽工具集和統計應用程式。如果你剛剛起步,Accord.NET 還包括模板應用程式,這樣你就可以更快地開始構建。

6、GPT-2

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

當然,開源人工智慧技術正在產生轟動效應,創成式預訓練變壓器2 (GPT-2)於 2019 年由 OpenAI 釋出。GPT 利用深度神經網路,它使用多層軟體來處理任意數量的輸入。眾所周知,GPT 2 號處理文字,從翻譯到創造文字,在最好的情況下,可以與人類書寫的文字非常相似。此外,它是一個非常強大的學習工具,可以非常準確地合成和適應資料。

7、Cheatsheets AI

 

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

如果你是一個可以在開放原始碼的語言/人工智慧專案中伸出援手的語言/人工智慧開發者,這個專案是非常有用的。與其說是一個專案,不如說是一個學習工具,它可以幫助你跟上人工智慧/人工智慧專案的速度,從 Keras 到 Scripy 到 PySpark 到 Dask。它所提供的指導是深入的,而且必然是複雜的。雖然 Cheatsheets AI 是為“人工智慧新手”設計的,但事實上你需要一些預先培訓才能使用這一資源。

8、TensorFlow

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

還有不知道 TensorFlow 的開發者嗎?這幾乎是一個家喻戶曉的名字。由 Google Brain 團隊開發,供 Google 內部使用,現在是最著名的開源機器學習平臺之一。Google 還向研究人員免費提供了基於雲的 TensorFlow 版本。

9、Caffe

最初是由加州大學伯克利分校的精英們創造的 Caffe 已經成為一個非常受歡迎的深度學習框架。它的名氣包括表達架構、可擴充套件程式碼和速度。

10、H2O

憑藉龐大的使用者群,H2O 自稱是“世界領先的開源深度學習平臺”除了開源版本,該公司還提供付費支援的高階版本。

11、Microsoft Cognitive Toolkit

顯然,微軟已經進入開源世界了。微軟 Cognitive Toolkit 原名 CNTK,承諾訓練深度學習演算法像人腦一樣思考。它擁有速度、可擴充套件性、商業級質量以及與 C++ 和 Python 的相容性。微軟用它來支援 Skype、Cortana 和必應的人工智慧功能。

12、DeepMind Labs

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

AI 和 ML 裡另一個很響亮的名字。DeepMind 實驗室旨在用於人工智慧研究,是一個3D遊戲環境。它是由 Google 的 DeepMind 小組建立的,據說特別適合深度強化學習研究。

13、ACT-R

ACT-R 由卡內基梅隆大學開發,是人類認知理論和基於該理論的軟體的統稱。該軟體基於 Lisp,並且有大量的文件。作業系統:Windows,Linux,macOS。

14、StarCraft II API Library

你不會以為 AI 都是用於辦公吧?Google 的 DeepMind 和暴雪娛樂公司正在合作一個專案,使星際爭霸2視訊遊戲成為人工智慧研究平臺成為可能。這是一個用於構建指令碼機器人的跨平臺 C++ 庫。

15、Numenta

Numenta 組織提供了許多與分層時間記憶體相關的開源專案。本質上,這些專案試圖基於當前對人類新皮層的生物學理解來創造機器智慧。

16、Open Cog

誠然,這是一個很大的野心:Open Cog 的目標不是專注於人工智慧的一個狹窄方面,如深度學習或神經網路,而是創造有益的人工通用智慧(AGI)。該專案致力於創造具有類人智慧的系統和機器人。

17、Stanford CoreNLP

這種基於 Java 的自然語言處理軟體可以識別單詞的基本形式、它們的詞性以及它們是公司名稱還是人名,還可以對日期和時間進行規範化。它根據短語和句法依存關係標記句子的結構,指示哪些名詞短語指的是相同的實體,識別情感,提取實體提及之間的特定或開放類關係,並獲得引用。它是為英語設計的,但也支援多種語言。

18、Prophet

由臉書開發和使用——是的,他們有深厚的資源——先知預測時間序列資料。它是用 R 或 Python 實現的,並且是全自動的、精確的、快速的和可調的。

19、SystemML

SystemML 最初是一個 IBM 研究專案,現在是一個頂級 Apache 專案。它將自己描述為“使用大資料進行機器學習的最佳工作場所”,並與 Spark 整合。

20、Theano

深度學習可以認為是 AI 的最遠的邊緣。面向深度學習的 Anano 將自己描述為“一個 Python 庫,允許高效地定義、優化和評估涉及多維陣列的數學表示式。”關鍵特性包括 GPU 支援、與 NumPy 的整合、高效的符號區分、動態 C 程式碼生成等等。

21、MALLET

MALLET 是“機器學習語言工具包”的縮寫,包括基於 Java 的統計自然語言處理、文件分類、聚類、主題建模、資訊提取等工具。它於 2002 年由馬薩諸塞州阿姆赫斯特大學和賓夕法尼亞大學的教師和研究生首次建立。

22、DeepDetect

靈魂拷問:這22個頂級開源人工智慧專案你不會還沒用過吧?

 

作為開源人工智慧領域交叉合作的一個例子,DeepDetect 已經被空客和微軟等組織所使用。DeepDetect 是基於 Caffe、TensorFlow 和 XGBoost 的開源深度學習伺服器。它為影象分類、物件檢測以及文字和數字資料分析提供了一個易於使用的應用程式設計介面。

關於我們:TSINGSEE青犀視訊專注視訊+AI新生態,“雲、邊、端”行業解決方案,深耕音視訊領域數十年,技術廣泛應用於智慧城市、智慧交通、智慧安防、教育、旅遊、能源與環保等多個行業。