在本文中，我们来看看机器学习的一些最佳框架和库。 这个列表是由我根据各种参数创建的，有些人肯定不会接受它，但它又是会因人而异。
这些框架中的每一个都是彼此不同的，并且需要花费很多时间来学习，在制作此列表时我们处理的是除基本功能之外的功能，用户群和社区和支持是最重要的参数之一。 一些框架在数学上更加面向，因此更倾向于统计而不是神经网络。 其中一些提供了丰富的线性代数工具; 有些主要只关注深度学习。
1、TensorFlow
TensorFlow是一个开源软件库，用于完成一系列任务的基于数据的编程，由Google Brain团队开发，最初于2015年11月9日发布，尽管稳定版本仅在今年4月27日发布。它能够非常有效地进行回归，分类，神经网络等，甚至能够在CPU和GPU上运行。由于其功能复杂，TensorFlow在早期阶段很难掌握，因为用户需要很好地理解Numpy数组。 Numpy是一个Python框架，有助于处理n维数组。
TensorFlow的优点：
灵活性：它是一个高度灵活的系统，为用户提供可以同时提供的同一模型的多个模型和版本。这种灵活性有助于非自动迁移到更新版本。
可移植性：它可以在GPU，CPU，台式机，服务器和移动计算平台上运行。您可以在移动设备上部署经过培训的模型作为产品的一部分，这就是它作为真正的可移植性功能的方式。
研究与开发
自动分化
性能佳
2、APACHE Spark
Spark是一个开源集群计算框架，最初是在伯克利实验室开发的，最初于2014年5月26日发布，主要用Scala，Java，Python和R.编写，虽然是在加州大学伯克里实验室制作的，后来又被捐赠了 到Apache Software Foundation。
Spark核心基本上是这个项目的基础，这也很复杂，但它不是担心Numpy数组，而是让你使用它自己的Spark RDD数据结构，任何知道大数据的人都可以理解它的用途。 作为用户，我们还可以使用Spark SQL数据框。 凭借所有这些功能，它可以为您创建密集和火花特征标签向量，从而带来很多复杂性，以满足ML算法的要求。
Spark ML的优点：
简单性：来自R和Python等工具的数据科学家熟悉的简单API
可扩展性：能够在小型和大型机器上运行相同的ML代码
端到端精简
兼容性
3、Caffe
Caffe是BSD许可下的开源框架。 CAFFE（用于快速特征嵌入的卷积体系结构）是由加州大学伯克利分校开发的深度学习工具，该框架主要用CPP编写。 它支持许多不同类型的深度学习架构，主要关注图像分类和分割。 它支持几乎所有主要方案，并且是完全连接的神经网络设计，它提供GPU以及基于CPU的加速，以及TensorFlow。
CAFFE主要用于学术研究项目和设计初创公司Prototypes。 甚至雅虎已经与Apache Spark集成了caffe来创建另一个伟大的深度学习框架CaffeOnSpark。
Caffe框架的优点：
Caffe是应用深度神经网络解决问题的最快方法之一
支持开箱即用的GPU培训
相当完善的Mat实验室和python界面
通过设置单个标志在GPU计算机上进行训练，然后部署到商品群集或移动设备，在CPU和GPU之间切换。
速度使Caffe成为研究实验和行业部署的理想选择。
Caffe每天可以使用一个NVIDIA K40 GPU *处理超过60M的图像。 这是用于推理的1 ms /图像和用于学习的4 ms /图像，更新的库版本和硬件仍然更快。 我们相信Caffe是最快的修道院实施之一。
4、Torch
Torch也是一个机器学习开源库，一个适当的科学计算框架。 它的制造商称它为最简单的ML框架，虽然它的复杂性相对简单，它来自Lua编程语言界面的脚本语言界面。 其中只有数字（无int，short或double），没有像其他语言那样进一步分类。 因此它易于操作和功能。
Torch由Facebook AI Research Group，IBM，Yandex和Idiap Research Institute使用，它最近扩展了其对Android和iOS的使用。
Torch框架的优点：
Torch使用非常灵活
Torch提供高水平的速度和效率
提供大量预训练模型
5、Scikit-Learn
Scikit-Learn是一个非常强大的免费使用Python的Python库，广泛用于构建模型。 它建立在许多其他库的基础上，即SciPy，Numpy和matplotlib，它也是统计建模技术最有效的工具之一，即分类，回归，聚类。
Scikit-Learn具有监督和无监督学习算法甚至交叉验证等功能。 Scikit-learn主要用Python编写，一些用Cython编写的核心算法来实现性能。 支持向量机由LIBSVM周围的Cython包装器实现。
Sci-Kit学习的优点：
许多主要算法的可用性
对数据挖掘非常有效
支持大多数实际任务
广泛用于复杂的任务
为什么推荐TensorFlow ？
在中国，有很多公司都在使用 TensorFlow，比如京东、腾讯、小米、出门问问等公司，都在利用 TensorFlow 搭建自己的 AI、机器学习平台。
所以，程序员或者是初学者，以及对代码较感兴趣的人，都可以学一学TensorFlow。
如果你想更加了解TensorFlow，或者说，如何让自己使用Python开发的机器学习模型快捷低成本的跑起来，深度兼容TensorFlow？谷歌的另一款工具或许可以帮到你，也就是谷歌的AIY Projects项目。 AIY Vision Kit附带的软件运行三个基于TensorFlow的神经网络。 其中一个基于谷歌的MobileNets平台，能够识别超过1,000个日常物品。 第二个可以在图像中发现面部和表情。 最后一个是专门用于识别猫，狗和人的神经网络。
閱讀更多 引力空間站 的文章
