[[205783]]

隨著近年來AI的使用率越來越高，我們需要更加清楚地了解現(xiàn)在有哪些可供選擇的人工智能工具、庫、平臺，以及它們提供了哪些功能，有哪些缺點，哪個最適合你。本文列舉出了***的前12個AI工具、庫和平臺，介紹了它們最常見的用途，有哪些優(yōu)點和缺點，還有一些其它的內(nèi)容，根據(jù)這些信息，將會使你更加輕松地做出上述問題的決策!

注：這些工具都是按字母順序進行排序的——順序沒有什么意義!

1. Azure機器學(xué)習(xí)

如果你沒有高超的編程技能，但很希望能夠涉足機器學(xué)習(xí)領(lǐng)域，那你應(yīng)該好好研究Azure機器學(xué)習(xí)。(注意，你應(yīng)該有一些機器學(xué)習(xí)和數(shù)據(jù)科學(xué)的基礎(chǔ)，這樣才能感受到該平臺提供的好處)。它是基于云端的服務(wù)，提供的工具可用來部署預(yù)測模型作為分析解決方案。還可以用來測試機器學(xué)習(xí)模型，運行算法，并創(chuàng)建推薦系統(tǒng)等等。然而，用戶界面是使用者對它的吐槽點，尤其是涉及到代碼編寫的時候。

2.Caffe(卷積神經(jīng)網(wǎng)絡(luò)框架)

Caffe的創(chuàng)建者是賈揚清，它是作為加州大學(xué)伯克利分校的Jia’s Ph.D研究的一部分?，F(xiàn)在已經(jīng)發(fā)展成為深度學(xué)習(xí)的一個開源框架了，支持各種類型的軟件架構(gòu)設(shè)計會議及圖像分割和圖像分類。Caffe以其簡單易讀的源代碼和***的質(zhì)量性能而大受追捧。一些否定者認為由于需要使用Cude/C++編寫新的層，而且在為大型網(wǎng)絡(luò)編寫原始文件時很難使用。

3.CNTK

CNTK(計算網(wǎng)絡(luò)工具包)是一款深度學(xué)習(xí)的工具包，是由微軟開發(fā)的“通過有向圖將神經(jīng)網(wǎng)絡(luò)描述為一系列的計算步驟”。它可以幫助用戶把不同類型的神經(jīng)網(wǎng)絡(luò)輕松地結(jié)合到一起，它有著巨大的性能，還允許分布式訓(xùn)練，靈活度非常高。另一方面，它的源代碼沒有那么的簡單易讀，而且缺乏可視化。

4.Deeplearning4j

DeepLearning4J自稱是專門適用于JVM的開源、分布式深度學(xué)習(xí)的庫。它特別適于培訓(xùn)分布式深度學(xué)習(xí)網(wǎng)絡(luò)，可以非常穩(wěn)定的處理大量數(shù)據(jù)。它還可以整合Hadoop和Spark，可以從頭開始實現(xiàn)機器學(xué)習(xí)算法。另一方面，對于機器學(xué)習(xí)來說，Java并不是非常受歡迎，所以DL4J不能像其它庫那樣依靠越來越多的代碼庫，因此開發(fā)成本可能會更高。此外，因為它是用Java構(gòu)建的，所以必須自己手工創(chuàng)建顯式類以便將矩陣添加到一起，而如果是用Python的話，那就不需要創(chuàng)建了

5.IBM Watson

IBM Watson被稱為“問答機器”。它使用分析能力和人工智能增強human-like的能力來應(yīng)對問題。它可以幫助用戶擁有強大的商業(yè)洞察力，然后在已經(jīng)很明智的決定上做出更明智的決定。IBM還可以確保用戶的數(shù)據(jù)得到***的安全保護和加密功能，而且承諾不會分享數(shù)據(jù)，除非你自己愿意。另一方面，它的缺點包括只能用英語，不能直接處理結(jié)構(gòu)化數(shù)據(jù)，轉(zhuǎn)換和集成需要耗費很高的成本。

6.Keras

Keras神經(jīng)網(wǎng)絡(luò)是一個用Python編寫的開源庫。如果你正在尋找哪些庫可以允許用戶執(zhí)行快速而且簡單的實驗，那么Keras應(yīng)該就是你需要的!它作用于卷積神經(jīng)網(wǎng)絡(luò)和/或復(fù)發(fā)性神經(jīng)網(wǎng)絡(luò)，也可以運行在兩個CPU和GPU。其優(yōu)點是易于使用，對于熟悉深入學(xué)習(xí)的開發(fā)者來說非常簡單，但它的缺點就是如果想超越表面級別的定制可能會比較困難，其數(shù)據(jù)處理工具有點負擔。不過，總的來說，這是一個正在發(fā)展中的API，已經(jīng)走過了漫長的道路，沒有人可以預(yù)言它的極限在哪里。

7.Pybrain

PyBrain是一個開源的、模塊化的機器學(xué)習(xí)庫。它完全面向框架，PyBrain旨在成為一個使用群眾包括既有剛剛開始探索世界的學(xué)生，也有專門從事于深入學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的計算機科學(xué)研究人員的工具。PyBrains庫是由算法組成的，這些算法允許開發(fā)人員使用強化學(xué)習(xí)等概念，非監(jiān)督機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。

8.Scikit-Learn

Scikit-learn機器學(xué)習(xí)是一個開源框架，Python有用的數(shù)據(jù)挖掘、數(shù)據(jù)分析和數(shù)據(jù)可視化。它有利于分類、回歸、聚類、降維、模型選擇、預(yù)處理，等等。它是建立在NumPy，SciPy，matplotlib。使用Python，工作速度比R和有偉大的表現(xiàn)。然而，沒有分布式版本可用，不適合大數(shù)據(jù)集。

9.Swift AI

Swift人工智能是Swift用于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的庫，支持Mac機器(很快也會支持Linux)。這個庫是由各種工具組成，允許開發(fā)人員創(chuàng)建神經(jīng)網(wǎng)絡(luò)，創(chuàng)建深度學(xué)習(xí)算法和信號處理。在GitHub頁面上顯示的示例項目表明Swift AI已經(jīng)迅速被用于創(chuàng)建可以識別人類筆跡模式的軟件。

10.Tensorflow

最初是由谷歌的機器智能研究開發(fā)部門研究出來的，是用來進行深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)的研究，TensorFlow現(xiàn)在已經(jīng)是semi-open-source庫了，允許開發(fā)人員進行數(shù)值計算。AI開發(fā)者可以使用TensorFlow庫在模式識別方面構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。它是用Python和C++這兩門強大的以及廣受歡迎的編程語言編寫的，允許分布式訓(xùn)練。它的缺點是不包含許多pre-trained模型，像Caffe一樣，也不支持外部數(shù)據(jù)集。

11.Theano

Theano是一個使用計算機代數(shù)系統(tǒng)從而定義、優(yōu)化、操作和評估數(shù)學(xué)表達式的Python庫。如果你用深度學(xué)習(xí)處理，那就要處理很多數(shù)值的任務(wù)。Theano非常適合處理這些任務(wù)——特別是矩陣運算，符號變量，函數(shù)定義，可以即時編譯為CPU或GPU的機器代碼。Theano是時間最久的深度學(xué)習(xí)庫之一，這意味著它非常成熟，但也意味著如果你想有一個高水平的抽象，它必須和其他庫一起使用。

12.Torch

Torch是一個用于科學(xué)計算的開源框架，支持機器學(xué)習(xí)算法。它得益于腳本語言LuaJIT和底層的C/CUDA實現(xiàn)，LuaJIT允許開發(fā)人員用C語言與Torch進行交互。正如在他們的網(wǎng)站上列出的那樣，Torch使用者們的突出特性就是“強大的n維數(shù)組;線性代數(shù)的例程;神經(jīng)網(wǎng)絡(luò)、能源模型;快速和高效的GPU的支持。”此外，它還可以移植到iOS和Android的后端。Torch已經(jīng)指出一些缺點，包括從目錄中加載數(shù)據(jù)是非常困難，過于依賴Lua(相對較新的語言)使不容易被使用。