不管你是一個研究人員，還是開發(fā)者，亦或是管理者，想要使用機器學(xué)習(xí)，需要使用正確的工具來實現(xiàn)。本文介紹了當(dāng)前最流行15個機器學(xué)習(xí)框架。

　　機器學(xué)習(xí)工程師是開發(fā)產(chǎn)品和構(gòu)建算法團隊中的一部分，并確保其可靠、快速和成規(guī)模地工作。他們和數(shù)據(jù)科學(xué)家密切合作來了解理論知識和行業(yè)應(yīng)用。

         數(shù)據(jù)專家和機器學(xué)習(xí)工程師的主要區(qū)別是：

　　·機器學(xué)習(xí)工程師構(gòu)建、開發(fā)和維護機器學(xué)習(xí)系統(tǒng)的產(chǎn)品。

　　·數(shù)據(jù)專家進行調(diào)查研究形成有關(guān)于機器學(xué)習(xí)項目的想法，然后分析來理解機器學(xué)習(xí)系統(tǒng)的度量影響。

　　下面是機器學(xué)習(xí)的框架介紹：

　　1.Apache Singa

　　是一個用于在大型數(shù)據(jù)集上訓(xùn)練深度學(xué)習(xí)的通用分布式深度學(xué)習(xí)平臺，它是基于分層抽象的簡單開發(fā)模型設(shè)計的。它還支持各種當(dāng)前流行的深度學(xué)習(xí)模型，有前饋模型（卷積神經(jīng)網(wǎng)絡(luò)，CNN），能量模型（受限玻爾茲曼機，RBM和循環(huán)神經(jīng)網(wǎng)絡(luò)，RNN），還為用戶提供了許多內(nèi)嵌層。

　　2.Amazon Machine Learning（AML）

　　是一種讓各種級別使用機器學(xué)習(xí)技術(shù)的開發(fā)人員可輕松掌握的一個服務(wù)，提供了視覺工具和向?qū)?，可以指?dǎo)您在不必學(xué)習(xí)復(fù)雜的機器學(xué)習(xí)算法和技術(shù)的情況下建立機器學(xué)習(xí)。

　　3.Azure ML Studio

　　允許微軟Azure的用戶創(chuàng)建和訓(xùn)練模型，隨后將這些模型轉(zhuǎn)化為能被其他服務(wù)使用的API。盡管您可以將自己的Azure存儲鏈接到更大模型的服務(wù)，但是每個賬戶模型數(shù)據(jù)的存儲容量最多不超過10GB。在Azure中有大量的算法可供使用，這要感謝微軟和一些第三方。甚至你都不需要注冊賬號，就可以匿名登錄，使用Azure ML Studio服務(wù)長達8小時。

　　4.Caffe

　　是由伯克利視覺學(xué)習(xí)中心（BLVC）和社區(qū)貢獻者們基于BSD-2-協(xié)議開發(fā)的一個深度學(xué)習(xí)框架，它秉承“表示、效率和模塊化”的開發(fā)理念。模型和組合優(yōu)化通過配置而不是硬編碼實現(xiàn)，并且用戶可根據(jù)需要在CPU處理和GPU處理之間進行切換，Caffe的高效性使其在實驗研究和產(chǎn)業(yè)部署中的表現(xiàn)很完美，使用單個NVIDIA K40 GPU處理器每天即可處理超過六千萬張圖像 。

　　5.H2O

　　使人輕松地應(yīng)用數(shù)學(xué)和預(yù)測分析來解決當(dāng)今極具挑戰(zhàn)性的商業(yè)問題，它巧妙的結(jié)合了目前在其他機器學(xué)習(xí)平臺還未被使用的獨有特點：最佳開源技術(shù)，易于使用的WebUI和熟悉的界面，支持常見的數(shù)據(jù)庫和不同文件類型。用H2O，你可以使用現(xiàn)有的語言和工具。此外，也還可以無縫擴展到Hadoop環(huán)境中。

　　6.Massive Online Analysis （MOA）

　　是目前最受歡迎的數(shù)據(jù)流挖掘開源框架，擁有一個非常活躍的社區(qū)。它包含一系列的機器學(xué)習(xí)算法（分類，回歸，聚類，離群檢測，概念漂移檢測和推薦系統(tǒng)）和評價工具。和WEKA項目一樣，MOA 也是用Java編寫，但擴展性更好。

　　7.MLlib （Spark）

　　是Apache Spark的機器學(xué)習(xí)庫，目的是讓機器學(xué)習(xí)實現(xiàn)可伸縮性和易操作性，它由常見的學(xué)習(xí)算法和實用程序組成，包括分類、回歸、聚類，協(xié)同過濾、降維，同時包括底層優(yōu)化原生語言和高層管道API。

　　8.Mlpack

　　是一個基于C++的基礎(chǔ)學(xué)習(xí)庫 ，最早于2011年推出，據(jù)庫的開發(fā)者聲稱，它秉承“可擴展性、高效性和易用性”的理念來設(shè)計的。執(zhí)行Mlpack有兩種方法：通過快速處理簡易的“黑盒”操作命令行執(zhí)行的緩存，或者借助C++ API處理較為復(fù)雜的工作。Mlpack可提供簡單的能被整合到大型的機器學(xué)習(xí)解決方案中的命令行程序和C++的類。

　　9.Pattern

　　是Python編程語言的web挖掘組件，有數(shù)據(jù)挖掘工具（ Google、Twitter 、Wikipedia API，網(wǎng)絡(luò)爬蟲，HTML DOM解析器），自然語言處理（詞性標(biāo)注，n-gram搜索，情感分析，WordNet接口），機器學(xué)習(xí)（向量空間模型，聚類，支持向量機），網(wǎng)絡(luò)分析和

　　10.Scikit-Learn

　　為了數(shù)學(xué)和科學(xué)工作，基于現(xiàn)有的幾個Python包（Numpy，SciPy和matplotlib）拓展了Python的使用范圍。最終生成的庫既可用于交互式工作臺應(yīng)用程序，也可嵌入到其他軟件中進行復(fù)用。該工具包基于BSD協(xié)議，是完全免費開源的，可重復(fù)利用。Scikit-Learn中含有多種用于機器學(xué)習(xí)任務(wù)的工具，如聚類，分類，回歸等。Scikit-Learn是由擁有眾多開發(fā)者和機器學(xué)習(xí)專家的大型社區(qū)開發(fā)的，因此，Scikit-Learn中最前沿的技術(shù)往往會在很短時間內(nèi)被開發(fā)出來。

　　11.Shogu

　　是最早的機器學(xué)習(xí)庫之一，它創(chuàng)建于1999年，用C++開發(fā)，但并不局限于C++環(huán)境。借助SWIG庫，Shogun適用于各種語言環(huán)境，如Java，Python，c#，Ruby，R，Lua，Octave和Mablab。Shogun 旨在面向廣泛的特定類型和學(xué)習(xí)配置環(huán)境進行統(tǒng)一的大規(guī)模學(xué)習(xí)，如分類，回歸或探索性數(shù)據(jù)分析。

　　12.TensorFlow

　　是一個使用數(shù)據(jù)流圖進行數(shù)值運算的開源軟件庫，它實現(xiàn)了數(shù)據(jù)流圖，其中，張量（“tensors”）可由一系列圖形描述的算法來處理，數(shù)據(jù)在該系統(tǒng)中的變化被稱為“流”，由此而得名。數(shù)據(jù)流可用C++或Python編碼后在CPU或GPU的設(shè)備上運行。

　　13.Theano

　　是一個基于BSD協(xié)議發(fā)布的可定義、可優(yōu)化和可數(shù)值計算的Phython庫。使用Theano也可以達到與用C實現(xiàn)大數(shù)據(jù)處理的速度相媲美，是支持高效機器學(xué)習(xí)的算法。

　　14.Torch

　　是一種廣泛支持把GPU放在首位的機器學(xué)習(xí)算法的科學(xué)計算框架。由于使用了簡單快速的腳本語言LuaJIT和底層的C/CUDA來實現(xiàn)，使得該框架易于使用且高效。Torch目標(biāo)是讓你通過極其簡單的過程、最大的靈活性和速度建立自己的科學(xué)算法。Torch是基于Lua開發(fā)的，擁有一個龐大的生態(tài)社區(qū)驅(qū)動庫包設(shè)計機器學(xué)習(xí)、計算機視覺、信號處理，并行處理，圖像，視頻，音頻和網(wǎng)絡(luò)等。

　　15.Veles

　　是一套用C++開發(fā)的面向深層學(xué)習(xí)應(yīng)用程序的分布式平臺，不過它利用Python在節(jié)點間自動操作與協(xié)作任務(wù)。在相關(guān)數(shù)據(jù)集中到該集群之前，可對數(shù)據(jù)進行分析與自動標(biāo)準(zhǔn)化調(diào)整，且REST API允許將各已訓(xùn)練模型立即添加至生產(chǎn)環(huán)境當(dāng)中，它側(cè)重于性能和靈活性。Veles幾乎沒有硬編碼，可對所有廣泛認可的網(wǎng)絡(luò)拓撲結(jié)構(gòu)進行訓(xùn)練，如全卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)等。