xml地图|网站地图|网站标签 [设为首页] [加入收藏]

机器学习必知的15大框架

来源:http://www.ruibiaowang.com 作者:互联网发展研究 人气:51 发布时间:2019-10-19
摘要:原标题:能源 | 机器学习必知的15大框架,接待补充! 姓名:吴兆阳  学号:14020199009 来源:机器学习算法与Python学习 转自CDA数据分析 本文约 4000字** , 建议阅读 8分钟。** 嵌牛导读:机器

原标题:能源 | 机器学习必知的15大框架,接待补充!

姓名:吴兆阳  学号:14020199009

来源:机器学习算法与Python学习

转自CDA数据分析

本文约4000字**建议阅读8分钟。**

嵌牛导读:机器学习技术员是开垦产品和创设算法团队中的一有个别,并保管其有限支撑、快捷和成规模地劳作。他们和数码科学家紧凑合营来询问理论知识和行业利用。数据我们和机械和工具学习程序猿的机要分化是:机器学习程序猿营造、开拓和保证机器学习系统的出品。数据咱们开展考察商讨造成有关于机器学习项指标想法,然后剖判来理解机器学习类别的胸怀影响。

本文向大家介绍了机器学习中必得精晓的14个大框架。

嵌牛鼻子:机器学习框架

机械学习技术员是开荒产品和创设算法团队中的一有的,并保管其保障、飞快和成规模地劳作。他们和多少地经济学家紧凑合营来理解理论知识和行业利用。数据我们和机器学习程序猿的关键分裂是:

嵌牛提问:机器学习有何样重大框架?

  • 机械学习程序猿构建、开垦和护卫机器学习系统的产品。
  • 数据大家举行调研形成有关于机器学习项指标想法,然后分析来精晓机器学习系统的心气影响。

嵌牛正文:

上面是机械学习的框架介绍:

1.Apache Singa是贰个用于在大型数据集上练习深度学习的通用分布式深度学习平台,它是基于分层抽象的简要开垦模型设计的。它还协助种种当前风靡的深度学习模型,有前馈模型(卷积神经网络,CNN),能量模型(受限玻尔兹曼机,RBM和循环神经网络,普拉多NN),还为客商提供了众多内嵌层。

1. Apache Singa 是一个用来在巨型数据集上锻练深度学习的通用布满式深度学习平台,它是依照分层抽象的总结开采模型设计的。

2.Amazon Machine Learning(AML)是一种让种种等级使用机器学习技艺的开垦职员可轻巧了然的叁个服务,提供了视觉工具和初叶,能够引导您在不必读书复杂的机械学习算法和技巧的气象下创设机器学习。

它还支持各样当前风靡的纵深学习模型,有前馈模型(卷积神经网络,CNN),能量模型(受限玻尔兹曼机,RBM和循环神经网络,LANDNN),还为顾客提供了相当多内嵌层。

3.Azure ML Studio允许微软Azure的顾客创立和演练模型,随后将那么些模型转变为能被别的服务使用的API。固然你能够将和睦的Azure存款和储蓄链接到越来越大模型的劳动,可是各类账户模型数据的积攒体量最多不抢先10GB。在Azure中有大气的算法可供使用,那要多谢微细软某些第三方。以致你都无需注册账号,就能够无名氏登入,使用Azure ML Studio服务长达8钟头。

2. Amazon Machine Learning(AML)是一种让种种等级使用机器学习技巧的开荒职员可轻便驾驭的二个服务,提供了视觉工具和指引,可以指点您在没有须要读书复杂的机器学习算法和工夫的情事下成立机器学习。

4.Caffe是由Berkeley视觉学习大旨(BLVC)和社区进献者们依赖BSD-2-公约开辟的三个纵深学习框架,它秉承“表示、效能和模块化”的开销思想。模型和重组优化通过安排并非硬编码实现,何况客商可根据要求在CPU处理和GPU管理时期开展切换,Caffe的高效性使其在试验研讨和家事布局中的表现很完善,使用单个NVIDIA K40 GPU管理器每日就能够管理超越6000万张图像 。

3. Azure ML Studio允许微软Azure的客户创设和练习模型,随后将这几个模型转变为能被别的服务使用的API。尽管你能够将和煦的Azure存款和储蓄链接到更加大模型的劳动,不过各样账户模型数据的积累体积最多不当先10GB。在Azure中有恢宏的算法可供使用,那要谢谢微软乎乎一部分第三方。乃至你都无需注册账号,就足以无名登入,使用Azure ML Studio服务长达8小时。

5.H2O使人轻易地动用数学和预测剖析来缓和现行反革命极具挑衅性的小购买发售难题,它神奇的结合了如今在别的机器学习平台还未被应用的独有特色:最棒开源技艺,易于使用的WebUI和熟练的分界面,协理周边的数据库和见仁见智文件类型。用H2O,你能够运用现有的言语和工具。其余,也还足以无缝扩张到Hadoop境况中。

4. Caffe是由Berkeley视觉学习中央(BLVC)和社区进献者们依照BSD-2-合同开荒的贰个纵深学习框架,它秉承“表示、作用和模块化”的开支观念。模型和重新组合优化通过布署并不是硬编码完毕,并且客商可依照要求在CPU管理和GPU管理时期开展切换,Caffe的高效性使其在试验研商和家事布局中的表现很完善,使用单个NVIDIA K40 GPU管理器每一日就可以管理抢先6000万张图像 。

6.Massive Online Analysis (MOA)是当前最受款待的数据流开采开源框架,具备二个可怜活跃的社区。它蕴含一密密麻麻的机械学习算法(分类,回归,聚类,离群检查评定,概念漂移检验和推荐系统)和批评工具。和WEKA项目雷同,MOA 也是用Java编写,但扩充性越来越好。

5.H2O使人轻巧地应用数学和展望解析来解决现行反革命极具挑衅性的商业难点,它美妙的重新组合了日前在其余机器学习平台还未被利用的独有特色:最好开源技能,易于使用的WebUI和熟稔的分界面,援助广大的数据库和区别文件类型。用H2O,你能够选用现成的言语和工具。别的,也还是能无缝扩张到Hadoop境况中。

7.MLlib (Spark)是Apache 斯Parker的机械学习库,指标是让机器学习落实可伸缩性和易操作性,它由布满的读书算法和实用程序组成,包涵分类、回归、聚类,协同过滤、降维,同期包蕴底层优化原生语言和高层管道API。

6. Massive Online Analysis (MOA)是近来最受应接的数据流开掘开源框架,具备八个十二分活跃的社区。它含有一多级的机器学习算法(分类,回归,聚类,离群检验,概念漂移检查评定和推荐系统)和争辨工具。和WEKA项目雷同,MOA 也是用Java编写,但扩大性越来越好。

8.Mlpack是二个根据C++的根基学习库 ,最早于二零一一年推出,据库的开荒者声称,它秉承“可扩充性、高效性和易用性”的观点来设计的。推行Mlpack有二种方式:通过急迅管理大致的“黑盒”操作命令行推行的缓存,只怕依附C++ API管理相比较复杂的办事。Mlpack可提供简单的能被整合到大型的机械学习建设方案中的命令行程序和C++的类。

7. MLlib (Spark)是Apache 斯Parker的机械学习库,指标是让机器学习落到实处可伸缩性和易操作性,它由普遍的读书算法和实用程序组成,包罗分类、回归、聚类,协同过滤、降维,同不时候富含底层优化原生语言和高层管道API。

9.Pattern是Python编制程序语言的web发掘组件,有数量开掘工具( Google、Instagram 、Wikipedia API,互连网爬虫,HTML DOM深入分析器),自然语言管理(词性标明,n-gram寻找,情绪分析,WordNet接口),机器学习(向量空间模型,聚类,援救向量机),网络分析和可视化。

8. Mlpack是一个基于C++的底蕴学习库 ,最初于二〇一三年推出,据库的开采者声称,它秉承“可扩张性、高效性和易用性”的理念来设计的。试行Mlpack有两种方法:通过急忙管理大致的“黑盒”操作命令行执行的缓存,大概依赖C++ API处理相比复杂的职业。Mlpack可提供轻便的能被重新整合到大型的机器学习实施方案中的命令行程序和C++的类。

10.Scikit-Learn为了数学和正确专业,基于现成的多少个Python包(Numpy,SciPy和matplotlib)扩充了Python的选用范围。最后生成的库既可用以交互式工作台应用程序,也可停放到别的软件中进行理并答复用。该工具包基于BSD左券,是完全免费开源的,可另行利用。Scikit-Learn中蕴藏种种用以机器学习职责的工具,如聚类,分类,回归等。Scikit-Learn是由全部广大开拓者和机械和工具学习行家的重型社区付出的,因而,Scikit-Learn中抢先的本领往往会在非常短期内被支付出来。

9. Pattern是Python编制程序语言的web开掘组件,有数量开采工具( 谷歌(Google)、推特 、Wikipedia API,网络爬虫,HTML DOM深入分析器),自然语言管理(词性注脚,n-gram搜索,激情剖判,WordNet接口),机器学习(向量空间模型,聚类,帮忙向量机),网络剖判和可视化。

11.Shogu是最先的机械学习库之一,它创造于1996年,用C++开拓,但并不局限于C++情况。依赖SWIG库,Shogun适用于各样语言情形,如Java,Python,c#,Ruby,大切诺基,Lua,Octave和Mablab。Shogun目的在于面向周围的一定类型和学习计划情况开展统一的遍布学习,如分类,回归或探究性数据深入分析。

10. Scikit-Learn为了数学和不利工作,基于现成的多少个Python包(Numpy,SciPy和matplotlib)拓宽了Python的行使范围。最后生成的库既可用来交互式专业台应用程序,也可放置到别的软件中展开复用。该工具包基于BSD公约,是完全无需付费开源的,可重新使用。Scikit-Learn中含有两种用来机器学习职分的工具,如聚类,分类,回归等。Scikit-Learn是由具备大多开垦者和机器学习行家的巨型社区支出的,因而,Scikit-Learn中超过的技术往往会在比极短期内被开采出来。

12.TensorFlow是叁个利用数据流图进行数值运算的开源软件库,它完结了数额流图,此中,张量(“tensors”)可由一文山会海图片描述的算法来拍卖,数据在该体系中的变化被称之为“流”,由此而得名。数据流可用C++或Python编码后在CPU或GPU的配备上运维。

11. Shogu是最先的机械学习库之一,它创立于一九九七年,用C++开辟,但并不局限于C++情况。依靠SWIG库,Shogun适用于各类语言遭逢,如Java,Python,c#,Ruby,昂Cora,Lua,Octave和Mablab。Shogun 目的在于面向附近的一定类型和上学安排景况张开联合的周围学习,如分类,回归或研究性数据深入分析。

13.Theano是一个基于BSD合同揭橥的可定义、可优化和可数值计算的Phython库。使用Theano也得以达到与用C实现大数目管理的进程相抗衡,是匡助飞快机器学习的算法。

12. TensorFlow是三个采纳数据流图举行数值运算的开源软件库,它实现了数据流图,个中,张量(“tensors”)可由一雨后冬笋图片描述的算法来处理,数据在该系统中的变化被誉为“流”,因而而得名。数据流可用C++或Python编码后在CPU或GPU的设施上运维。

14.Torch是一种常见协理把GPU放在第三位的机器学习算法的科学总计框架。由于选择了轻易快速的本子语言LuaJIT和尾部的C/CUDA来促成,使得该框架易于使用且火速。Torch目的是让您通过极端轻松的进度、最大的狡猾和进程构造建设协和的不易算法。Torch是基于Lua开辟的,具有两个大幅度的生态社区驱动库包设计机器学习、Computer视觉、实信号管理,并行处理,图像,录像,音频和互联网等。

13. Theano是四个依据BSD合同公布的可定义、可优化和可数值计算的Phython库。使用Theano也能够高达与用C完成大额管理的快慢相抗衡,是支撑高速机器学习的算法。

15.Veles是一套用C++开辟的面向深层学习应用程序的布满式平台,然则它选取Python在节点间活动操作与搭档职务。在连带数据集中到该集群早前,可对数据开展分析与机关标准化调治,且REST API允许将各已练习模型立时增加至生产条件当中,它尊崇于质量和灵活性。Veles差不离从未硬编码,可对富有大面积认同的网络拓扑结构进行练习,如全卷积神经网络,卷积神经网络,循环神经互连网等。

14. Torch是一种常见扶持把GPU放在首位的机器学习算法的科学计算框架。由于选用了简便易行迅速的本子语言LuaJIT和尾部的C/CUDA来落实,使得该框架易于使用且火速。Torch指标是让您通过极端轻便的进程、最大的灵活性和速度创立和煦的没有错算法。Torch是基于Lua开采的,具备三个宏大的生态社区驱动库包设计机器学习、Computer视觉、非非确定性信号管理,并行管理,图像,视频,音频和互连网等。

15. Veles是一套用C++开垦的面向深层学习应用程序的遍布式平台,不过它采纳Python在节点间活动操作与搭档任务。在有关数据汇总到该集群早前,可对数码举办解析与机动标准化调节,且REST API允许将各已操练模型立刻增多至生产情状当中,它重申于质量和灵活性。Veles差比相当少从不硬编码,可对负有科普认可的网络拓扑结构举行练习,如全卷积神经互连网,卷积神经网络,循环神经网络等。

参照链接:

style="font-size: 16px;">

正文转自: style="font-size: 16px;">机器学习算法与Python学习 公众号;

版权申明:本号内容部分起点互连网,转载请申明原版的书文链接和作者,如有侵犯版权或出处有误请和我们沟通。

原创类别文章:再次回到博客园,查看越来越多

主编:

本文由澳门新葡萄京娱乐网站发布于互联网发展研究,转载请注明出处:机器学习必知的15大框架

关键词:

上一篇:没有了

下一篇:没有了

最火资讯