开启左侧

人工智能 工具(人工智能框架)

[复制链接]
ChinaAI 发表于 2021-11-22 15:50:25 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
择要: 本文讲了10个热点的野生智能开源东西/框架。
                上面是我们明天要讲的        10        个热点的野生智能开源东西        /        框架。
1.TensorFlow

        TensorFlow™是一个开源硬件库,最后由Google Brain Team的研讨职员战工程师开辟。TensorFlow利用数据流图停止数值计较。图中的节面暗示数教运算,边暗示它们之间通讯的多维数据数组(张量)。其架构灵敏,您可使用单个API将计较布置到桌里、效劳器或挪动装备中的一个或多个CPU或GPU。
        TensorFlow供给了多种API。最初级此外API——TensorFlow Core——供给了完好的编程掌握。初级API则成立正在TensorFlow Core的顶部。那些更初级此外API凡是比TensorFlow Core更简单进修战利用。别的,更初级此外API使得反复性的使命正在差别的用户之间变得更简单、更分歧。一个初级API便像tf.estimator,能够协助您办理数据散、评价器、锻炼战推理。
        TensorFlow中的数据中间单元是张量。一个张量由一组构成随便数目维数组的本初值构成。张量的阶便是它的维数。
        一些利用Tensorflow的Google使用有:
1.RankBrain:正在www.谷歌.com上年夜范围布置用于搜刮排名的深度神经收集。
2.Inception图象分类模子:基准模子战对下度准确的计较机视觉模子的后绝研讨,它是正在得到2014年Imagenet图象分类应战赛的模子根底之长进止构建的。
3.SmartReply:可主动天生电子邮件呼应的Deep LSTM模子。
4.Massively Multitask Networks for Drug Discovery:Google取斯坦祸年夜教协作的辨认有用候选药的的深度神经收集模子。
5.用于OCR的装备级计较机视觉:基于装备级的计较机视觉模子完成光教字符辨认,停止及时翻译。
2.Apache SystemML        操纵年夜数据停止机械进修的最好开源东西。

        SystemML是由IBM创立的机械进修手艺,是Apache中的顶级项目之一,它是一个灵敏、可扩大的机械进修体系。SystemML的主要特性以下:
1.利用类R战类Python言语定造算法。
2.有多种施行形式,包罗Spark MLContext、Spark Batch、Hadoop Batch、Standalone战JMLC(Java机械进修毗连器)。
3.基于数据战散类特征的主动劣化,包管了算法的下服从战可扩大性。
4.将SystemML视为机械进修的构造化查询言语SQL。SystemML的最新版本(1.0.0)撑持:Java 8+、Scala 2.11+、Python 2.7/3.5+、Hadoop 2.6+和Spark 2.1+。
5.可正在Apache Spark上运转,正在Apache Spark上,SystemML经由过程逐止检察代码,确保代码能否可以正在Apache Spark散类上运转。
        将来对SystemML的开辟将包罗:利用GPU停止分外的深度进修,比方导进战运转神经收集架构和用于锻炼的预锻炼模子。
SystemML的Java机械进修毗连器(JMLC)
        Java机械进修毗连器(JMLC)API是一种编程接心,它正在嵌进式时取SystemML停止交互。JMLC的次要目标是做为一个评分API,此中,评分函数是用SystemML的DML言语暗示的。除评额外,嵌进式SystemML借可正在一台机械上运转的更年夜的使用法式的高低文中,施行散类等无监视进修使命。
3.Caffe        Caffe是一种明晰而下效的深度进修框架。

        Caffe最后由杨庆佳正在减州年夜教伯克利分校读专时期倡议,厥后由伯克利AI研讨公司(BAIR)战社区奉献者结合开辟。它次要专注于用于计较机视觉使用的卷积神经收集。关于计较机视觉相干的使命来讲,Caffe是一个没有错且较为盛行的挑选,您能够正在Caffe Model Zoo上注册,下载许多曾经胜利建模的模子,间接用于开辟。
长处
1.Expressive架构鼓舞适用战立异。用设置界说的模子战劣化,而没有需求硬编码。经由过程设置单个标记正在GPU机械长进止锻炼,然后布置散类或挪动装备,完成CPU战GPU之间的切换。
2.可扩大代码更有助于开辟。正在Caffe开辟好的的第一年,便有1,000多个开辟者分享了进来,对其做了严重奉献。
3.Caffe的下速使实际尝试战实践使用获得了完善的分离。Caffe利用单个NVIDIA K40 GPU天天可处置超越6000万张图象。
4.社区:Caffe曾经为视觉、语音战多媒体范畴的教术研讨项目,启动本型,以至年夜范围产业使用供给撑持。
4.Apache Mahout        Apache Mahout是一个散布式线性代数框架,供给了一些典范的机械进修算法。

        Mahout旨正在协助开辟职员便利快速的完成本人的算法。Apache Spark是一种即拿即用的散布式背景,大概也能够将其扩大到其他散布式背景。其特性以下:
1.数教表达Scala DSL。
2.撑持多种散布式后端(包罗Apache Spark)。
3.包罗用于CPU / GPU / CUDA加快的模块化当地供解器。
4.Apache Mahout使用的范畴包罗:合作过滤(CF),散类战分类。
功用
1.Taste CF.Taste 是 Sean Owen 正在 SourceForge 上倡议的一个针对协同过滤(CF)的开源项目,并正在 2008 年被赠送 Mahout。
2.撑持 Map-Reduce 的散群完成包罗 :k-Means、恍惚 k-Means、Canopy、Dirichlet 战 Mean-Shift算法等。
3.散布式朴实贝叶斯战互补朴实贝叶斯的分类完成。
4.用于退化编程的散布式顺应度函数。
5.矩阵战矢量库。
5.OpenNN         OpenNN是一个用c++编写的开源类库,它完成了神经收集建模。
        Opennn (开放神经收集藏书楼)从前被称为Flood,它是以R. Lopez正在2008年泰罗僧亚手艺年夜教的专士论文《正在工程变分成绩的神经收集》为根底开辟的。

        Opennn利用一组函数完成了数据发掘,而且,可使用一个API将那些函数嵌进到其他硬件东西中,使硬件东西战猜测阐发使命之间停止交互。Opennn的次要长处便是它的下机能。因为接纳c++开辟,因而它有更好的内乱存办理战更下的处置速率,并操纵 OpenMP 战 GPU 加快度(CUDA)完成 CPU 并止化。
        Opennn包中露有单位测试、很多示例战大批文档。为神经收集算法战使用的研讨开辟供给了一个有用的框架。神经收集设想是一个基于OpenNN的专业猜测阐发东西,那便意味着神经收集设想的神经引擎是基于 OpenNN 成立的。
        OpenNN旨正在从数据散战数教模子中停止进修。
数据散
特性回回
形式辨认
工夫序列猜测
数教模子
最好掌握
最好外形设想
数据散战数教模子
反背成绩
6.Torch        Torch是一个开源机械进修库、科教计较框架战基于Lua编程言语的剧本言语。

功用
1.一个壮大的 n 维数组
2.有许多索引、切片、转换的法式。
3.可以使用 LuaJIT编写简朴的C扩大。
4.线性代数法式
5.神经收集战基于能量的模子
6.数字劣化法式
7.GPU撑持,愈加快速战下效
8.可嵌进,带有 iOS 战 Android 的背景端心
        Torch供 Facebook 野生智能研讨小组、 IBM、 Yandex 战 Idiap 研讨所利用。如今,它曾经扩大到 Android 战 iOS体系上,研讨职员也利用Torch去构建硬件完成数据流。
        Pytorch是一个Python的开源机械进修库,用于天然言语处置等使用,次要由 Facebook 的野生智能研讨小组开辟,Uber 的几率编程硬件"Pyro"便是正在Pytorch上创立的。
7.Neuroph        Neuroph是一种用 Java 编写的里背工具的神经收集框架。

        Neuroph可用于正在Java法式中创立战锻炼神经收集,它供给了Java类库和用于创立战锻炼神经收集的GUI东西easyNeurons。Neuroph是一个沉量级的Java神经收集框架,可用于开辟常睹的神经收集架构。它包罗一个设想优良的开源Java库,此中包罗大批取根本神经收集观点对应的根底类。它另有一个很好的GUI神经收集编纂器去快速创立Java神经收集组件。今朝,曾经正在Apache 2.0答应下做为开源公布出去。
        Neuroph的中心类取野生神经元、神经元层、神经元毗连、权重、通报函数、输进函数战进修划定规矩等根本神经收集观点对应。Neuroph撑持常睹的神经收集系统构造,比方具有反背传布,Kohonen战Hopfield收集的多层感知器。一切的那些类皆能够停止扩大战定造,以自界说创立神经收集战进修划定规矩。Neuroph同时也撑持图象辨认。
8.Deeplearning4j        Deeplearning4j是第一个为Java战Scala编写的贸易级开源散布式深度进修库。
        Deeplearning4j旨正在成为顶尖的即拿即用装备,而没有是只是做一些设置,那使得非专业职员也可以快速的构建模子。
        DL4J能够经由过程Keras(包罗TensorFlow,Caffe战Theano)从年夜大都次要框架中导出神经收集模子,它为数据科教家、数据工程师战DevOps供给了跨团队东西包,弥开了Python死态体系战JVM之间的停滞。如今,Keras是Deeplearning4j的Python API。
功用
1.散布式 cpu 战 gpu
2.Java, Scala and Python APIs
3.合用于微效劳系统构造
4.经由过程低落迭代次数停止并止锻炼
5.正在Hadoop 上可伸缩
6.正在AWS扩大上供给Gpu 撑持

1.Deeplearning4J: 神经收集仄台
2.ND4J: Numpy for the JVM
3.DataVec:机械进修ETL操纵的东西
4.JavaCPP:Java战C ++之间的桥梁
5.Arbiter:机械进修算法的评价东西
6.RL4J:JVM的深度加强进修
9.Mycroft        Mycroft宣称是天下上第一个开源助脚,合用于从科教项目到企业硬件使用法式的任何工作。

        Mycroft能够正在任何处所运转——台式计较机上、正在汽车内乱或正在树莓派上运转。那是能够自在混淆、自在扩大战改良的开源硬件。
10.OpenCog        OpenCog是一个旨正在构建开源野生智能框架的项目。

        OpenCog是认知算法的多元化组开,每种组开皆表现了它们的立异的地方。可是,当真服从认知协同准绳才是OpenCog团体架构壮大的缘故原由。OpenCog最后是基于2008年“Novamente Cognition Engine”(NCE)公布的源代码。
1.一个图表数据库,它包罗术语、本子公式、句子战干系做为超图。
2.一个模实际解算器,做为通用图形查询引擎的一部门,用于施行图战超图形式婚配。
3.一种称为元劣化语义退化搜刮的几率遗传法式(MOSES),最后由正在Google事情的Moshe Looks开辟。
4.有一个基于 OpenPsi 战 Unity 的假造天下中的交互进修使用系统。
5.有一个由Link Grammar战RelEx构成的天然言语输进体系,它们皆接纳类AtomSpace去暗示语义战句法的干系。
6.有一个称为SegSim的天然言语天生体系,它完成NLGen战NLGen2。
7.Psi 实际的完成,用于处置感情形态、驱动战激动,称为 OpenPsi。
本文为云栖社区本创内乱容,已经许可没有得转载。


上一篇:家庭人工智能系统(天猫精灵工智能系统怎么加盟)
下一篇:人工智能的发展状况(世界人工智能发展现状)
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则


0关注

0粉丝

142帖子






威锐网元宇宙ARVRAI前沿科技网站-记录ARVRAI前沿科技见证元宇宙未来-本站除原创AR增强现实VR虚拟现实AI人工智能元宇宙前沿科技新闻资讯-其它内容来源自网络·已标明来源出处,如已侵犯您的版权,请联系我们删除