为机器学习开发者指明道路的八种开源AI技术！

随着 AI 技术快速发展，各种理论与实践层出不穷，它正在迅速改变我们生活中几乎每一个领域，从我们如何交流到用于交通的手段。作为开发者或者学习者，在开始构建机器学习应用程序之前，从众多开源项目中选择一项应该是一个艰巨的任务，日前，有网友在博客总结了 8 种最好的开源 AI 技术，为机器学习开发者指明道路。

TensorFlow 是谷歌为支持其研究和生产目标创建的项目，于 2015 年发布，它是一款开源机器学习框架，易于在各种平台上使用和部署。它是机器学习中维护得最好和广泛使用的框架之一，目前已被多家公司广泛使用，包括 Dropbox、eBay、Intel、Twitter 和 Uber。

TensorFlow 可用于 Python、C++、Haskell、Java、Go、Rust 以及 JavaScript，同时还有其它编程语言的第三方软件包可使用。该框架允许开发者使用流图开发神经网络等计算模型。

Keras 是一个开源机器学习库，最初于 2015 年发布，旨在简化深度学习模型的创建。它使用 Python 编写而成，可以部署在其它人工智能技术之上，如 TensorFlow、Microsoft CogniTIve Toolkit（CNTK）和Theano。

Keras 以其对用户友好、模块化和易扩展性而闻名。它可以实现简单快速的原型设计，同时支持卷积网络和循环网络，并且能够在 CPU 和 GPU 上运行达到最佳状态。

最初于 2007 年发布的 Scikit-learn 是为机器学习开发的开源库，这个传统的框架是用 Python 编写的，它基于另外三个开源项目 Matplotlib、NumPy 和 SciPy 设计而成，专注于数据挖掘和数据分析，包含了几种机器学习模型，包括分类、回归、聚类和降维。

最初于 2016 年发布的 Microsoft CogniTIve Toolkit ，之前称为 CNTK，它是一种 AI 解决方案，可让您将机器学习项目提升到一个新的水平。微软表示，开源框架能够“训练深度学习算法，以便像人脑一样工作”。

Microsoft CogniTIve Toolkit 的一些重要功能包括高度优化的组件，能够处理来自 Python、C++ 或 BrainScript 的数据，提供高效的资源利用，轻松与 Microsoft Azure 集成以及与 NumPy 进行互操作。

Theano 最初于 2007 年发布，它是一个开源的 Python 库，允许开发者轻松地构建各种机器学习模型。由于它是最早的 AI 库之一，被视为推动深度学习发展的行业标准。

Theano 的特征是可以简化定义、优化和评估数学表达式的过程，它能够将您的数据结构转换为与 NumPy、BLAS 等本地库以及本地代码集成的非常高效的代码。此外，它针对 GPU 进行了优化，并且具有广泛的代码测试功能。

最初于 2017 年发布的 Caffe（Convolutional Architecture for Fast Feature Embedding，用于快速特征嵌入的卷积结构）是一种专注于表现力、速度和模块性的机器学习框架。该框架采用 C++ 编写的，并附带一个 Python 界面。

Caffe 的主要特点包括激发创新的表现力架构、促进积极开发的广泛代码、加速行业部署的快速性能以及刺激增长的充满活力的社区。

Torch 最初于 2002 年发布，它是一个机器学习库，提供广泛的深度学习算法。该框架在处理机器学习项目时为开发者提供了优化的灵活性和速度。它使用脚本语言 Lua 编写，并附带一个底层 C 实现，Torch 的一些主要功能包括 N 维数组、线性代数例程、数值优化例程、高效 GPU 支持以及对 iOS 和 Android 平台的支持。

Accord.NET 最初于 2010 年发布，是一个完全用 C# 编写的机器学习框架。该框架适用于生产级科学计算，凭借其广泛的库，开发者可以在人工神经网络、统计数据处理与图像处理等领域中构建各种应用程序。